opus_paracrawl

Referências:

• Código
• Abraçando cara

el-en

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/el-en')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "el",
            "en"
        ],
        "id": null,
        "_type": "Translation"
    }
}

en-ha

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-ha')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "ha"
        ],
        "id": null,
        "_type": "Translation"
    }
}

en-ig

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-ig')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "ig"
        ],
        "id": null,
        "_type": "Translation"
    }
}

en-km

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-km')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "km"
        ],
        "id": null,
        "_type": "Translation"
    }
}

pt-então

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-so')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "so"
        ],
        "id": null,
        "_type": "Translation"
    }
}

de-pl

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/de-pl')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "de",
            "pl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

fr-nl

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/fr-nl')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "fr",
            "nl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

pt-sw

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-sw')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "sw"
        ],
        "id": null,
        "_type": "Translation"
    }
}

en-tl

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/en-tl')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "tl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

es-gl

Use o seguinte comando para carregar este conjunto de dados no TFDS:

ds = tfds.load('huggingface:opus_paracrawl/es-gl')

• Descrição :

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• Licença : Nenhuma licença conhecida
• Versão : 1.0.0
• Divisões :

• Características :

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "es",
            "gl"
        ],
        "id": null,
        "_type": "Translation"
    }
}