phanvancongthanh/data_deduplicated_part04

---
dataset_info:
features:
- name: smiles
dtype: string
splits:
- name: train
num_bytes: 4854481434
num_examples: 103054258
download_size: 2391891371
dataset_size: 4854481434
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "data_deduplicated_part04"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：简化分子线性输入规范（SMILES）
数据类型：字符串
数据集划分：
- 划分名称：训练集
字节数：4854481434
样本数：103054258
下载大小：2391891371
数据集存储大小：4854481434
配置项：
- 配置名称：默认
数据文件：
- 数据集划分：训练集
数据路径：data/train-*
---
# 数据集卡片："data_deduplicated_part04"

【需补充更多信息】(https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据特征

• 名称: smiles
• 数据类型: string

数据分割

• 名称: train
• 字节数: 4854481434
• 样本数: 103054258

数据大小

• 下载大小: 2391891371
• 数据集大小: 4854481434

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*