HoangHa/belka-selfies-train-cls-ft

--- dataset_info: features: - name: molecule_smiles dtype: large_string - name: SELFIES dtype: string - name: BRD4 dtype: int64 - name: HSA dtype: int64 - name: sEH dtype: int64 splits: - name: train num_bytes: 44320144362 num_examples: 98415610 download_size: 6477830697 dataset_size: 44320144362 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• molecule_smiles: 分子SMILES表示，数据类型为large_string。
• SELFIES: SELFIES表示，数据类型为string。
• BRD4: 数据类型为int64。
• HSA: 数据类型为int64。
• sEH: 数据类型为int64。

数据集分割

• train: 训练集，包含98,415,610个样本，占用44,320,144,362字节。

数据集大小

• 下载大小: 6,477,830,697字节。
• 数据集大小: 44,320,144,362字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。