EleutherAI ThePile v1 | 0D366035664FDF51CFBE9F733953BA325776E667

EleutherAI ThePile v1

/
README.txt	0.1 KB
/pile/
SHA256SUMS.txt	2.8 KB
test.jsonl.zst	460.3 MB
val.jsonl.zst	470.9 MB
/pile/train/
00.jsonl.zst	15.2 GB
01.jsonl.zst	15.2 GB
02.jsonl.zst	15.2 GB
03.jsonl.zst	15.2 GB
04.jsonl.zst	15.2 GB
05.jsonl.zst	15.2 GB
06.jsonl.zst	15.3 GB
07.jsonl.zst	15.3 GB
08.jsonl.zst	15.2 GB
09.jsonl.zst	15.2 GB
10.jsonl.zst	15.2 GB
11.jsonl.zst	15.2 GB
12.jsonl.zst	15.3 GB
13.jsonl.zst	15.2 GB
14.jsonl.zst	15.2 GB
15.jsonl.zst	15.3 GB
16.jsonl.zst	15.3 GB
17.jsonl.zst	15.3 GB
18.jsonl.zst	15.3 GB
19.jsonl.zst	15.3 GB
20.jsonl.zst	15.2 GB
21.jsonl.zst	15.3 GB
22.jsonl.zst	15.3 GB
23.jsonl.zst	15.3 GB
24.jsonl.zst	15.2 GB
25.jsonl.zst	15.2 GB
26.jsonl.zst	15.2 GB
27.jsonl.zst	15.2 GB
28.jsonl.zst	15.2 GB
29.jsonl.zst	15.2 GB
/pile_preliminary_components/
2020-09-08-arxiv-extracts-nofallback-until-2007-068.tar.gz	17.5 GB
EuroParliamentProceedings_1996_2011.jsonl.zst	1.5 GB
FreeLaw_Opinions.jsonl.zst	17.0 GB
Literotica.jsonl.zst	4.4 GB
NIH_ExPORTER_awarded_grant_text.jsonl.zst	630.8 MB
PMC_extracts.tar.gz	28.3 GB
PUBMED_title_abstracts_2019_baseline.jsonl.zst	6.9 GB
PhilArchive.jsonl.zst	797.7 MB
books1.tar.gz	2.4 GB
books3.tar.gz	39.5 GB
github.tar	113.3 GB
hn.tar.gz	706.5 MB
openwebtext2.jsonl.zst.tar	29.3 GB
pile_uspto.tar	11.8 GB
stackexchange_dataset.tar	36.8 GB
ubuntu_irc_until_2020_9_1.jsonl.zst	2.0 GB
yt_subs.jsonl.zst	1.8 GB
Total files 51