项目介绍

togethercomputer/RedPajama-Data 是一个托管在 GitHub 上的开源项目,主要使用 Python 编写,采用 Apache License 2.0 许可证,目前获得 5.0k 个 Star、371 次 Fork。

仓库全名
togethercomputer/RedPajama-Data

README 摘要

RedPajama-Data-v2: an Open Dataset with 30 Trillion Tokens for Training Large Language Models This repository contains the code for the RedPajama-V2 dataset. For more information on the dataset, check out our blog post. The dataset is also available on HuggingFace. For the code used for the RedPajama-1T dataset, please refer to the rpv1 branch in this repo. Dataset RedPajama-V2 is an open dataset for training large…

完整内容见 GitHub 原始 README 或本页 。

常见问题

RedPajama-Data 用什么语言开发?

主要使用 Python 编写,采用 Apache License 2.0 许可证,目前有 5.0k 个 Star。

RedPajama-Data 可以免费商用吗?

仓库采用 Apache License 2.0 许可证,可免费使用与修改,商业使用请遵守许可证条款(例如保留版权声明与许可声明)。

如何获取 RedPajama-Data 的源码?

可以直接克隆仓库:git clone https://github.com/togethercomputer/RedPajama-Data.git;安装与运行步骤见仓库 README。

RedPajama-Data 最近还在维护吗?

仓库最近一次更新为 6月4日,当前有 43 个未关闭 Issue;Star 数为 5.0k,可作为社区活跃度的参考。

关于

GitHub 原始描述(英文)

The RedPajama-Data repository contains code for preparing large datasets for training large language models.

描述取自 GitHub 官方 API,保持仓库作者书写的原文。

简要分析

热度分
5816
价值分
3115
活跃状态
活跃

语言占比

Dockerfile
Python
Shell