lm1b

مراجع:

متن_ساده

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:lm1b/plain_text')
  • توضیحات :
A benchmark corpus to be used for measuring progress in statistical language modeling. This has almost one billion words in the training data.
  • مجوز : مجوز شناخته شده ای وجود ندارد
  • نسخه : 1.0.0
  • تقسیم ها :
تقسیم کنید نمونه ها
'test' 306688
'train' 30301028
  • ویژگی ها :
{
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}