อ้างอิง:
ห้องน้ำในตัว
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:c4/en')
- คำอธิบาย :
A colossal, cleaned version of Common Crawl's web crawl corpus.
Based on Common Crawl dataset: "https://commoncrawl.org".
This is the processed version of Google's C4 dataset by AllenAI.
- ใบอนุญาต : ไม่มีใบอนุญาตที่รู้จัก
- เวอร์ชั่น : 0.0.0
- แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 364868892 |
'validation' | 364608 |
- คุณสมบัติ :
{
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"timestamp": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"url": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
en.noblocklist
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:c4/en.noblocklist')
- คำอธิบาย :
A colossal, cleaned version of Common Crawl's web crawl corpus.
Based on Common Crawl dataset: "https://commoncrawl.org".
This is the processed version of Google's C4 dataset by AllenAI.
- ใบอนุญาต : ไม่มีใบอนุญาตที่รู้จัก
- เวอร์ชั่น : 0.0.0
- แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 393391519 |
'validation' | 393226 |
- คุณสมบัติ :
{
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"timestamp": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"url": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
เหมือนข่าวจริง
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:c4/realnewslike')
- คำอธิบาย :
A colossal, cleaned version of Common Crawl's web crawl corpus.
Based on Common Crawl dataset: "https://commoncrawl.org".
This is the processed version of Google's C4 dataset by AllenAI.
- ใบอนุญาต : ไม่มีใบอนุญาตที่รู้จัก
- เวอร์ชั่น : 0.0.0
- แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 13799838 |
'validation' | 13863 |
- คุณสมบัติ :
{
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"timestamp": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"url": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
th.noclean
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:c4/en.noclean')
- คำอธิบาย :
A colossal, cleaned version of Common Crawl's web crawl corpus.
Based on Common Crawl dataset: "https://commoncrawl.org".
This is the processed version of Google's C4 dataset by AllenAI.
- ใบอนุญาต : ไม่มีใบอนุญาตที่รู้จัก
- เวอร์ชั่น : 0.0.0
- แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 1063805381 |
'validation' | 1065029 |
- คุณสมบัติ :
{
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"timestamp": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"url": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}