ddeer/cipher-wmt18-zh-en-char0

---
dataset_info:
features:
- name: orig_id
dtype: int64
- name: split
dtype: string
- name: src_lang
dtype: string
- name: tgt_lang
dtype: string
- name: src
dtype: string
- name: tgt
dtype: string
- name: src_encrypted
dtype: string
- name: encrypt_unit
dtype: string
- name: encrypt_ratio
dtype: float64
- name: encrypt_char_opt
dtype: string
- name: rand_run_name
dtype: string
- name: dataset_name
dtype: string
- name: dataset_config_name
dtype: string
splits:
- name: train
num_bytes: 115210562
num_examples: 217541
- name: validation
num_bytes: 75772
num_examples: 144
- name: test
num_bytes: 242123
num_examples: 444
download_size: 71008991
dataset_size: 115528457
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：原始标识符（orig_id），数据类型：64位整数
- 名称：子集标识（split），数据类型：字符串
- 名称：源语言（src_lang），数据类型：字符串
- 名称：目标语言（tgt_lang），数据类型：字符串
- 名称：源文本（src），数据类型：字符串
- 名称：目标文本（tgt），数据类型：字符串
- 名称：加密源文本（src_encrypted），数据类型：字符串
- 名称：加密单元（encrypt_unit），数据类型：字符串
- 名称：加密比例（encrypt_ratio），数据类型：64位浮点数
- 名称：加密字符选项（encrypt_char_opt），数据类型：字符串
- 名称：随机运行标识（rand_run_name），数据类型：字符串
- 名称：数据集名称（dataset_name），数据类型：字符串
- 名称：数据集配置名称（dataset_config_name），数据类型：字符串
子集信息：
- 名称：训练集（train），字节占用量：115210562，样本数量：217541
- 名称：验证集（validation），字节占用量：75772，样本数量：144
- 名称：测试集（test），字节占用量：242123，样本数量：444
下载总大小：71008991
数据集总存储大小：115528457
配置项：
- 配置名称：默认配置（default），数据文件：
- 子集：训练集（train），路径：data/train-*
- 子集：验证集（validation），路径：data/validation-*
- 子集：测试集（test），路径：data/test-*