franlucc/ts_typeinf_may3-1tok_starcoderbase-1b_completions

--- dataset_info: features: - name: fim_program dtype: string - name: fim_type dtype: string - name: _content dtype: string - name: hexsha dtype: string - name: size dtype: int64 - name: ext dtype: string - name: lang dtype: string - name: max_stars_repo_path dtype: string - name: max_stars_repo_name dtype: string - name: max_stars_repo_head_hexsha dtype: string - name: max_stars_repo_licenses sequence: string - name: max_stars_count dtype: float64 - name: max_stars_repo_stars_event_min_datetime dtype: string - name: max_stars_repo_stars_event_max_datetime dtype: string - name: max_issues_repo_path dtype: string - name: max_issues_repo_name dtype: string - name: max_issues_repo_head_hexsha dtype: string - name: max_issues_repo_licenses sequence: string - name: max_issues_count dtype: float64 - name: max_issues_repo_issues_event_min_datetime dtype: string - name: max_issues_repo_issues_event_max_datetime dtype: string - name: max_forks_repo_path dtype: string - name: max_forks_repo_name dtype: string - name: max_forks_repo_head_hexsha dtype: string - name: max_forks_repo_licenses sequence: string - name: max_forks_count dtype: float64 - name: max_forks_repo_forks_event_min_datetime dtype: string - name: max_forks_repo_forks_event_max_datetime dtype: string - name: content dtype: string - name: avg_line_length dtype: float64 - name: max_line_length dtype: int64 - name: alphanum_fraction dtype: float64 - name: annotation_sites dtype: int64 - name: type_definitions dtype: int64 - name: loc dtype: int64 - name: functions dtype: int64 - name: loc_per_function dtype: float64 - name: estimated_tokens dtype: int64 - name: generated_text dtype: string - name: correct dtype: bool - name: model dtype: string splits: - name: train num_bytes: 7322574570 num_examples: 787834 download_size: 2605960459 dataset_size: 7322574570 configs: - config_name: default data_files: - split: train path: data/train-* ---dataset_info: features: - name: fim_program dtype: 字符串类型 - name: fim_type dtype: 字符串类型 - name: _content dtype: 字符串类型 - name: hexsha dtype: 字符串类型 - name: size dtype: int64类型 - name: ext dtype: 字符串类型 - name: lang dtype: 字符串类型 - name: max_stars_repo_path dtype: 字符串类型 - name: max_stars_repo_name dtype: 字符串类型 - name: max_stars_repo_head_hexsha dtype: 字符串类型 - name: max_stars_repo_licenses dtype: 字符串序列类型 - name: max_stars_count dtype: float64类型 - name: max_stars_repo_stars_event_min_datetime dtype: 字符串类型 - name: max_stars_repo_stars_event_max_datetime dtype: 字符串类型 - name: max_issues_repo_path dtype: 字符串类型 - name: max_issues_repo_name dtype: 字符串类型 - name: max_issues_repo_head_hexsha dtype: 字符串类型 - name: max_issues_repo_licenses dtype: 字符串序列类型 - name: max_issues_count dtype: float64类型 - name: max_issues_repo_issues_event_min_datetime dtype: 字符串类型 - name: max_issues_repo_issues_event_max_datetime dtype: 字符串类型 - name: max_forks_repo_path dtype: 字符串类型 - name: max_forks_repo_name dtype: 字符串类型 - name: max_forks_repo_head_hexsha dtype: 字符串类型 - name: max_forks_repo_licenses dtype: 字符串序列类型 - name: max_forks_count dtype: float64类型 - name: max_forks_repo_forks_event_min_datetime dtype: 字符串类型 - name: max_forks_repo_forks_event_max_datetime dtype: 字符串类型 - name: content dtype: 字符串类型 - name: avg_line_length dtype: float64类型 - name: max_line_length dtype: int64类型 - name: alphanum_fraction dtype: float64类型 - name: annotation_sites dtype: int64类型 - name: type_definitions dtype: int64类型 - name: loc dtype: int64类型 - name: functions dtype: int64类型 - name: loc_per_function dtype: float64类型 - name: estimated_tokens dtype: int64类型 - name: generated_text dtype: 字符串类型 - name: correct dtype: 布尔类型 - name: model dtype: 字符串类型 splits: - name: train num_bytes: 7322574570 num_examples: 787834 download_size: 2605960459 dataset_size: 7322574570 configs: - config_name: default data_files: - split: train path: data/train-*

原始信息汇总

数据集特征

基本特征

• fim_program: 数据类型为字符串
• fim_type: 数据类型为字符串
• _content: 数据类型为字符串
• hexsha: 数据类型为字符串
• size: 数据类型为整数
• ext: 数据类型为字符串
• lang: 数据类型为字符串

星标相关特征

• max_stars_repo_path: 数据类型为字符串
• max_stars_repo_name: 数据类型为字符串
• max_stars_repo_head_hexsha: 数据类型为字符串
• max_stars_repo_licenses: 数据类型为字符串序列
• max_stars_count: 数据类型为浮点数
• max_stars_repo_stars_event_min_datetime: 数据类型为字符串
• max_stars_repo_stars_event_max_datetime: 数据类型为字符串

问题相关特征

• max_issues_repo_path: 数据类型为字符串
• max_issues_repo_name: 数据类型为字符串
• max_issues_repo_head_hexsha: 数据类型为字符串
• max_issues_repo_licenses: 数据类型为字符串序列
• max_issues_count: 数据类型为浮点数
• max_issues_repo_issues_event_min_datetime: 数据类型为字符串
• max_issues_repo_issues_event_max_datetime: 数据类型为字符串

分支相关特征

• max_forks_repo_path: 数据类型为字符串
• max_forks_repo_name: 数据类型为字符串
• max_forks_repo_head_hexsha: 数据类型为字符串
• max_forks_repo_licenses: 数据类型为字符串序列
• max_forks_count: 数据类型为浮点数
• max_forks_repo_forks_event_min_datetime: 数据类型为字符串
• max_forks_repo_forks_event_max_datetime: 数据类型为字符串

其他特征

• content: 数据类型为字符串
• avg_line_length: 数据类型为浮点数
• max_line_length: 数据类型为整数
• alphanum_fraction: 数据类型为浮点数
• annotation_sites: 数据类型为整数
• type_definitions: 数据类型为整数
• loc: 数据类型为整数
• functions: 数据类型为整数
• loc_per_function: 数据类型为浮点数
• estimated_tokens: 数据类型为整数
• generated_text: 数据类型为字符串
• correct: 数据类型为布尔值
• model: 数据类型为字符串

数据集划分

• 训练集:
  • 大小: 7322574570 字节
  • 示例数量: 787834

数据集大小

• 下载大小: 2605960459 字节
• 数据集大小: 7322574570 字节

配置

• 默认配置:
  • 训练数据路径: data/train-*