trillionlabs/TheBioCollection

O dataset trillionlabs/TheBioCollection está entre os destaques do Hugging Face — dados que alimentam o treinamento e a avaliação dos modelos do momento.

Ficha do dataset

Sobre o dataset

TheBioCollection TheBioCollection is a 52.

Como carregar

Use a biblioteca datasets do Hugging Face:

pip install -U datasets

Como é um dataset grande, vale carregar em modo streaming (sem baixar tudo):

from datasets import load_dataset

ds = load_dataset("trillionlabs/TheBioCollection", split="train", streaming=True)
for exemplo in ds.take(3):
    print(exemplo)

Tags

text-generation

Explorar o dataset no Hugging Face →