MiniPile
收藏kaggle2023-08-21 更新2024-03-11 收录
下载链接：
https://www.kaggle.com/datasets/sebamenabar/minipile-hf
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2023-08-21
相关数据集
minipile
MiniPile is a 6GB subset of the deduplicated The Pile corpus. To curate MiniPile, we perform a simple, three-step data filtering process: we (1) infer embeddings for all documents of the Pile, (2) clu
OpenXLab00
pietrolesci/minipile
该数据集包含多个配置，每个配置有不同的特征和数据分割。主要特征包括input_ids（序列数据）和uid（唯一标识符）。数据集分为训练集、验证集和测试集，每个分割的大小和样本数量在配置中详细列出。数据集的总大小和下载大小也在配置中提供。
Hugging Face2025-02-04 更新80
nickypro/minipile
该数据集是[jbrinkma/pile-100k](https://huggingface.co/datasets/jbrinkma/pile-100k)的一个副本，并进行了分割，分为80k的训练集、10k的测试集和10k的验证集。该版本的特点包括包含训练、测试和验证集，易于下载（约300MB），并保留了元数据。
Hugging Face2024-07-18 更新240
AlgorithmicResearchGroup/minipile
该数据集包含一个名为text的字符串类型特征。数据集分为训练集、验证集和测试集，分别包含1000000、500和10000个样本。训练集大小为5906108510字节，验证集大小为2779386字节，测试集大小为58558191字节。总数据集大小为5967446087字节，下载大小为3176294664字节。
Hugging Face2024-08-20 更新100
deqing/minipile
该数据集包含三种类型的数据：仅文本（text_only）、包含算术表达式的文本（arithmetic）和仅数字（number_only）。每个类型的数据都有对应的示例数量和数据大小。总共包含了超过57亿字节的数据，下载大小为约3亿字节。
Hugging Face2025-10-29 更新30
