onyrotssih/ftbt_pile_10k

该数据集包含两个主要特征：source和text，均为字符串类型。数据集被划分为一个训练集，包含10331个样本，总大小为61485050字节。数据集的下载大小为33506371字节。

The dataset includes two main features: source and text, both of string type. It is divided into a training set containing 10,331 samples, with a total size of 61,485,050 bytes. The download size of the dataset is 33,506,371 bytes.

原始信息汇总

数据集概述

基本信息

• 名称: ftbt_pile_10k
• 描述: onyrotssih/ftbt_pile_10k 数据集托管在 HF Mirror 并由 HF Datasets 社区贡献。
• 别名: onyrotssih/ftbt_pile_10k
• 创建者: Christian Hardy
• 网址: https://hf-mirror.com/datasets/onyrotssih/ftbt_pile_10k

数据格式

• 分布:

  • 类型: cr:FileObject

  • 名称: repo

  • 描述: HF Mirror git 仓库。

  • 内容 URL: https://hf-mirror.com/datasets/onyrotssih/ftbt_pile_10k/tree/refs%2Fconvert%2Fparquet

  • 编码格式: git+https

  • SHA256: https://github.com/mlcommons/croissant/issues/80

  • 类型: cr:FileSet

  • 名称: parquet-files-for-config-default

  • 描述: HF Mirror 转换的底层 Parquet 文件（参见：https://hf-mirror.com/docs/datasets-server/parquet）。

  • 包含于: repo

  • 编码格式: application/x-parquet

  • 包含: default//.parquet

数据字段

• 记录集:
  • 类型: cr:RecordSet
  • 名称: default
  • 描述: onyrotssih/ftbt_pile_10k - default 子集
  • 字段:

    • 类型: cr:Field

    • 名称: default/source

    • 描述: HF Mirror parquet 文件中的 source 列。

    • 数据类型: sc:Text

    • 来源:

      • 文件集: parquet-files-for-config-default
      • 提取: source 列

    • 类型: cr:Field

    • 名称: default/text

    • 描述: HF Mirror parquet 文件中的 text 列。

    • 数据类型: sc:Text

    • 来源:

      • 文件集: parquet-files-for-config-default
      • 提取: text 列

关键词

• apache-2.0
• 10K - 100K
• parquet
• Text
• Datasets
• pandas
• Croissant
• 🇺🇸 Region: US

许可证

• Apache 2.0

符合标准

• http://mlcommons.org/croissant/1.0