lm1b

Referencias:

texto_sin formato

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

ds = tfds.load('huggingface:lm1b/plain_text')
  • Descripción :
A benchmark corpus to be used for measuring progress in statistical language modeling. This has almost one billion words in the training data.
  • Licencia : Ninguna licencia conocida
  • Versión : 1.0.0
  • Divisiones :
Dividir Ejemplos
'test' 306688
'train' 30301028
  • Características :
{
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}