presencesw/pubmed_envi_stage_2

---
dataset_info:
features:
- name: en
dtype: string
- name: vi
dtype: string
splits:
- name: train
num_bytes: 20078331248.81415
num_examples: 9093445
download_size: 12469954153
dataset_size: 20078331248.81415
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：en（英语），数据类型：字符串
- 字段名：vi（越南语），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节大小：20078331248.81415，样本数量：9093445
下载大小：12469954153 字节
数据集存储总大小：20078331248.81415 字节
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• en: 数据类型为字符串。
• vi: 数据类型为字符串。

数据分割

• train: 包含9093445个样本，总字节数为20078331248.81415。

数据大小

• 下载大小: 12469954153字节。
• 数据集大小: 20078331248.81415字节。

配置信息

• default:
  • 数据文件:
    • train: 路径为data/train-*。