thachhoang/cypress_test

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: metadata
struct:
- name: file_path
dtype: string
- name: repo_id
dtype: string
- name: token_count
dtype: int64
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 22265334
num_examples: 5340
download_size: 7028499
dataset_size: 22265334
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：text，数据类型：字符串类型
- 名称：id，数据类型：字符串类型
- 名称：元数据 (metadata)，数据类型：结构体，结构体包含以下子字段：
- 名称：file_path，数据类型：字符串类型
- 名称：repo_id，数据类型：字符串类型
- 名称：Token 计数 (token_count)，数据类型：64位整型
- 名称：__index_level_0__，数据类型：64位整型
数据集拆分：
- 拆分名称：train（训练集），字节占用量：22265334，样本总数：5340
下载大小：7028499
数据集存储总大小：22265334
配置项：
- 配置名称：default（默认配置），数据文件：
- 拆分：train（训练集），路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为 string
• id: 数据类型为 string
• metadata: 结构化数据
  • file_path: 数据类型为 string
  • repo_id: 数据类型为 string
  • token_count: 数据类型为 int64
• index_level_0: 数据类型为 int64

数据分割

• train: 包含 5340 个样本，总字节数为 22265334

数据集大小

• 下载大小: 7028499 字节
• 数据集大小: 22265334 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*