smangrul/hug_stack

该数据集包含文本、ID和元数据等特征。元数据详细记录了文件路径、仓库ID和令牌计数。数据集主要分为训练集，共有6579个示例，总数据量为94898586字节，下载所需空间为32266435字节。数据集配置采用默认设置，训练数据文件路径格式为data/train-*。

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• id: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • file_path: 数据类型为字符串。
  • repo_id: 数据类型为字符串。
  • token_count: 数据类型为整数（int64）。
• index_level_0: 数据类型为整数（int64）。

数据分割

• train:
  • 字节数: 94898586
  • 样本数: 6579

数据大小

• 下载大小: 32266435 字节
• 数据集大小: 94898586 字节

配置

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