rl-low-resource/rumantsch-varieties-sentences

---
dataset_info:
- config_name: puter
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 33956760
num_examples: 49836
- name: test
num_bytes: 456256
num_examples: 997
download_size: 20011417
dataset_size: 34413016
- config_name: puter_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 424019
num_examples: 2000
- name: test
num_bytes: 42694
num_examples: 188
download_size: 298986
dataset_size: 466713
- config_name: rumgr
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 1171405866
num_examples: 422767
- name: test
num_bytes: 453788
num_examples: 997
download_size: 672799331
dataset_size: 1171859654
- config_name: rumgr_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 241485
num_examples: 946
- name: test
num_bytes: 40639
num_examples: 184
download_size: 173022
dataset_size: 282124
- config_name: surmiran
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 60490625
num_examples: 40998
- name: test
num_bytes: 462032
num_examples: 997
download_size: 34996535
dataset_size: 60952657
- config_name: surmiran_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 426177
num_examples: 2000
- name: test
num_bytes: 41610
num_examples: 185
download_size: 296172
dataset_size: 467787
- config_name: sursilv
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 244667619
num_examples: 131439
- name: test
num_bytes: 456816
num_examples: 997
download_size: 146674130
dataset_size: 245124435
- config_name: sursilv_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 438760
num_examples: 2000
- name: test
num_bytes: 41672
num_examples: 184
download_size: 306678
dataset_size: 480432
- config_name: sutsilv
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 31581009
num_examples: 46958
- name: test
num_bytes: 461309
num_examples: 997
download_size: 18409258
dataset_size: 32042318
- config_name: sutsilv_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 427037
num_examples: 2000
- name: test
num_bytes: 40732
num_examples: 181
download_size: 293040
dataset_size: 467769
- config_name: vallader
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 106086872
num_examples: 73910
- name: test
num_bytes: 458949
num_examples: 997
download_size: 61965926
dataset_size: 106545821
- config_name: vallader_sampled
features:
- name: original
dtype: string
- name: translation
dtype: string
- name: legacy_variety
dtype: string
splits:
- name: train
num_bytes: 436946
num_examples: 2000
- name: test
num_bytes: 40089
num_examples: 178
download_size: 301632
dataset_size: 477035
configs:
- config_name: puter
data_files:
- split: train
path: puter/train-*
- split: test
path: puter/test-*
- config_name: puter_sampled
data_files:
- split: train
path: puter_sampled/train-*
- split: test
path: puter_sampled/test-*
- config_name: rumgr
data_files:
- split: train
path: rumgr/train-*
- split: test
path: rumgr/test-*
- config_name: rumgr_sampled
data_files:
- split: train
path: rumgr_sampled/train-*
- split: test
path: rumgr_sampled/test-*
- config_name: surmiran
data_files:
- split: train
path: surmiran/train-*
- split: test
path: surmiran/test-*
- config_name: surmiran_sampled
data_files:
- split: train
path: surmiran_sampled/train-*
- split: test
path: surmiran_sampled/test-*
- config_name: sursilv
data_files:
- split: train
path: sursilv/train-*
- split: test
path: sursilv/test-*
- config_name: sursilv_sampled
data_files:
- split: train
path: sursilv_sampled/train-*
- split: test
path: sursilv_sampled/test-*
- config_name: sutsilv
data_files:
- split: train
path: sutsilv/train-*
- split: test
path: sutsilv/test-*
- config_name: sutsilv_sampled
data_files:
- split: train
path: sutsilv_sampled/train-*
- split: test
path: sutsilv_sampled/test-*
- config_name: vallader
data_files:
- split: train
path: vallader/train-*
- split: test
path: vallader/test-*
- config_name: vallader_sampled
data_files:
- split: train
path: vallader_sampled/train-*
- split: test
path: vallader_sampled/test-*
---

数据集信息：
- 配置名称：puter
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数33956760，样本数49836
- 测试集：字节数456256，样本数997
下载大小：20011417，数据集总大小：34413016
- 配置名称：puter_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数424019，样本数2000
- 测试集：字节数42694，样本数188
下载大小：298986，数据集总大小：466713
- 配置名称：rumgr
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数1171405866，样本数422767
- 测试集：字节数453788，样本数997
下载大小：672799331，数据集总大小：1171859654
- 配置名称：rumgr_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数241485，样本数946
- 测试集：字节数40639，样本数184
下载大小：173022，数据集总大小：282124
- 配置名称：surmiran
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数60490625，样本数40998
- 测试集：字节数462032，样本数997
下载大小：34996535，数据集总大小：60952657
- 配置名称：surmiran_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数426177，样本数2000
- 测试集：字节数41610，样本数185
下载大小：296172，数据集总大小：467787
- 配置名称：sursilv
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数244667619，样本数131439
- 测试集：字节数456816，样本数997
下载大小：146674130，数据集总大小：245124435
- 配置名称：sursilv_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数438760，样本数2000
- 测试集：字节数41672，样本数184
下载大小：306678，数据集总大小：480432
- 配置名称：sutsilv
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数31581009，样本数46958
- 测试集：字节数461309，样本数997
下载大小：18409258，数据集总大小：32042318
- 配置名称：sutsilv_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数427037，样本数2000
- 测试集：字节数40732，样本数181
下载大小：293040，数据集总大小：467769
- 配置名称：vallader
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数106086872，样本数73910
- 测试集：字节数458949，样本数997
下载大小：61965926，数据集总大小：106545821
- 配置名称：vallader_sampled
字段信息：
- 字段名：original（原文），数据类型：字符串
- 字段名：translation（译文），数据类型：字符串
- 字段名：legacy_variety（传统方言变体），数据类型：字符串
数据划分：
- 训练集：字节数436946，样本数2000
- 测试集：字节数40089，样本数178
下载大小：301632，数据集总大小：477035

数据集配置：
- 配置名称：puter
数据文件：
- 训练集分割：路径为puter/train-*
- 测试集分割：路径为puter/test-*
- 配置名称：puter_sampled
数据文件：
- 训练集分割：路径为puter_sampled/train-*
- 测试集分割：路径为puter_sampled/test-*
- 配置名称：rumgr
数据文件：
- 训练集分割：路径为rumgr/train-*
- 测试集分割：路径为rumgr/test-*
- 配置名称：rumgr_sampled
数据文件：
- 训练集分割：路径为rumgr_sampled/train-*
- 测试集分割：路径为rumgr_sampled/test-*
- 配置名称：surmiran
数据文件：
- 训练集分割：路径为surmiran/train-*
- 测试集分割：路径为surmiran/test-*
- 配置名称：surmiran_sampled
数据文件：
- 训练集分割：路径为surmiran_sampled/train-*
- 测试集分割：路径为surmiran_sampled/test-*
- 配置名称：sursilv
数据文件：
- 训练集分割：路径为sursilv/train-*
- 测试集分割：路径为sursilv/test-*
- 配置名称：sursilv_sampled
数据文件：
- 训练集分割：路径为sursilv_sampled/train-*
- 测试集分割：路径为sursilv_sampled/test-*
- 配置名称：sutsilv
数据文件：
- 训练集分割：路径为sutsilv/train-*
- 测试集分割：路径为sutsilv/test-*
- 配置名称：sutsilv_sampled
数据文件：
- 训练集分割：路径为sutsilv_sampled/train-*
- 测试集分割：路径为sutsilv_sampled/test-*
- 配置名称：vallader
数据文件：
- 训练集分割：路径为vallader/train-*
- 测试集分割：路径为vallader/test-*
- 配置名称：vallader_sampled
数据文件：
- 训练集分割：路径为vallader_sampled/train-*
- 测试集分割：路径为vallader_sampled/test-*