yzhuang/autotree_automl_pol_gosdt_l256_d3_sd0

hugging_face2023-08-31 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/yzhuang/autotree_automl_pol_gosdt_l256_d3_sd0

下载链接

链接失效反馈

资源简介：

--- dataset_info: features: - name: id dtype: int64 - name: input_x sequence: sequence: int64 - name: input_y sequence: sequence: float32 - name: rtg sequence: float64 - name: status sequence: sequence: float32 - name: split_threshold sequence: sequence: int64 - name: split_dimension sequence: int64 splits: - name: train num_bytes: 6664800000 num_examples: 100000 - name: validation num_bytes: 666480000 num_examples: 10000 download_size: 479767259 dataset_size: 7331280000 --- # Dataset Card for "autotree_automl_pol_gosdt_l256_d3_sd0" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

提供机构：

yzhuang

原始信息汇总

数据集概述

数据集信息

特征列表：
- id：类型为 int64
- input_x：序列类型，内部类型为 int64
- input_y：序列类型，内部类型为 float32
- rtg：类型为 float64
- status：序列类型，内部类型为 float32
- split_threshold：序列类型，内部类型为 int64
- split_dimension：类型为 int64

数据分割

训练集：
- 字节数：6664800000
- 样本数：100000
验证集：
- 字节数：666480000
- 样本数：10000

数据集大小

下载大小：479767259 字节
数据集总大小：7331280000 字节

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4099个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

YouTube-English

该数据集包含从各种YouTube频道提取的英语音频片段以及相应的转录元数据。数据用于训练自动语音识别（ASR）模型。数据来源于YouTube频道，处理过程包括下载、分割和保存音频及元数据。数据集总结部分详细列出了每个频道的视频数量、持续时间和占总数据集的百分比。

huggingface 收录

UCF-Crime

UCF-犯罪数据集是128小时视频的新型大规模第一个数据集。它包含1900年长而未修剪的真实世界监控视频，其中包含13个现实异常，包括虐待，逮捕，纵火，殴打，道路交通事故，入室盗窃，爆炸，战斗，抢劫，射击，偷窃，入店行窃和故意破坏。之所以选择这些异常，是因为它们对公共安全有重大影响。这个数据集可以用于两个任务。首先，考虑一组中的所有异常和另一组中的所有正常活动的一般异常检测。第二，用于识别13个异常活动中的每一个。

OpenDataLab 收录

NIH Chest X-rays

Over 112,000 Chest X-ray images from more than 30,000 unique patients

kaggle 收录

CBIS-DDSM

该数据集用于训练乳腺癌分类器或分割模型，包含3103张乳腺X光片，其中465张有多个异常。数据集分为训练集和测试集，还包括3568张裁剪的乳腺X光片和对应的掩码。

github 收录

togethercomputer/RedPajama-Data-1T

RedPajama是一个用于文本生成任务的大型数据集，包含2084个jsonl文件，总token数达到1.2万亿。数据集主要使用英语，但也包含多语言的Wikipedia部分。数据集结构包括文本内容、元数据（如URL、时间戳、来源和语言）以及标识数据子集的字段。创建过程涉及从多个源（如Commoncrawl、C4、GitHub等）下载和预处理数据，以尽可能接近LLaMa论文的描述。

hugging_face 收录