tinyshakespeare 是一個小型的莎士比亞文字資料集，它包含了莎士比亞的戲劇和詩歌的文字。這個資料集是由 llm.c 專案建立的，用於訓練和測試語言模型。
tinyshakespeare 資料集的特點是：
- 它是一個小型的資料集，包含了約 1.2 萬行文字。
- 它包含了莎士比亞的戲劇和詩歌的文字，包括《哈姆雷特》、《麥克白》、《奧賽羅》等。
- 文字是經過預處理的，包括了分詞、去停用詞、去標點符號等。
- 資料集是以純文字格式儲存的，可以直接用於語言模型的訓練和測試。
tinyshakespeare 資料集的目的在於：
- 為語言模型提供一個小型的、易於處理的資料集，用於訓練和測試。
- 為研究人員提供一個基準資料集，用於評估語言模型的效能。
- 為開發人員提供一個示例資料集，用於開發和測試語言模型。
tinyshakespeare 資料集可以從 llm.c 專案的 GitHub 頁面下載。