deven367/babylm-100M-open-subtitles

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: valid path: data/valid-* - split: test path: data/test-* dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 182785703 num_examples: 5433939 - name: valid num_bytes: 17333152 num_examples: 529410 - name: test num_bytes: 16275666 num_examples: 489448 download_size: 145946881 dataset_size: 216394521 --- # Dataset Card for "babylm-100M-open-subtitles" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 验证集: data/valid-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 训练集:
    • 字节数: 182785703
    • 样本数: 5433939
  • 验证集:
    • 字节数: 17333152
    • 样本数: 529410
  • 测试集:
    • 字节数: 16275666
    • 样本数: 489448
• 下载大小: 145946881
• 数据集大小: 216394521