TinyPixel/rw

---
dataset_info:
features:
- name: content
dtype: string
- name: url
dtype: string
- name: timestamp
dtype: timestamp[ns]
- name: dump
dtype: string
- name: segment
dtype: string
- name: image_urls
sequence:
sequence: string
splits:
- name: train
num_bytes: 530895284
num_examples: 174919
download_size: 321182081
dataset_size: 530895284
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：content，数据类型：字符串
- 字段名：url（统一资源定位符，Uniform Resource Locator），数据类型：字符串
- 字段名：timestamp（时间戳），数据类型：纳秒级时间戳（timestamp[ns]）
- 字段名：dump，数据类型：字符串
- 字段名：segment，数据类型：字符串
- 字段名：image_urls，数据类型：嵌套字符串序列（sequence<sequence<string>>）
数据集划分：
- 划分名称：训练集（train），占用字节数：530895284，样本总数：174919
下载总大小：321182081
数据集存储总大小：530895284
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 对应训练集划分，路径为 data/train-*

原始信息汇总

数据集概述

数据集特征

• content: 数据类型为字符串。
• url: 数据类型为字符串。
• timestamp: 数据类型为时间戳（纳秒级）。
• dump: 数据类型为字符串。
• segment: 数据类型为字符串。
• image_urls: 数据类型为字符串序列。

数据集分割

• train: 包含174919个样本，总字节数为530895284。

数据集大小

• 下载大小: 321182081字节。
• 数据集大小: 530895284字节。

配置

• default: 包含训练数据文件，路径为data/train-*。