ruliad/fineweb_350BT_chunk_75

--- dataset_info: features: - name: text dtype: string - name: id dtype: string - name: dump dtype: string - name: url dtype: string - name: date dtype: string - name: file_path dtype: string - name: language dtype: string - name: language_score dtype: float64 - name: token_count dtype: int64 splits: - name: train num_bytes: 17345622590 num_examples: 5000000 download_size: 10339061783 dataset_size: 17345622590 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• text：字符串类型
• id：字符串类型
• dump：字符串类型
• url：字符串类型
• date：字符串类型
• file_path：字符串类型
• language：字符串类型
• language_score：浮点数类型
• token_count：整数类型

数据集划分

• train：
  • 数据量：5000000个样本
  • 存储大小：17345622590字节

数据集大小

• 下载大小：10339061783字节
• 数据集总大小：17345622590字节

配置信息

• config_name：default
• data_files：
  • split：train
  • path：data/train-*