HoangHa/belka-selfies-train-cls-ft-ids

该数据集包含多个特征，如SELFIES（字符串类型）、BRD4、HSA、sEH（整数类型）等。此外，数据集还包含序列类型的特征，如input_ids（int32序列）、token_type_ids（int8序列）、attention_mask（int8序列）和labels（float64序列）。数据集分为训练集和测试集，训练集包含88574049个示例，测试集包含9841561个示例。数据集的下载大小为13176424714字节，总大小为50183055905字节。

原始信息汇总

数据集概述

数据特征

• SELFIES: 字符串类型
• BRD4: 64位整数类型
• HSA: 64位整数类型
• sEH: 64位整数类型
• input_ids: 32位整数序列
• token_type_ids: 8位整数序列
• attention_mask: 8位整数序列
• labels: 64位浮点数序列
• length: 64位整数类型

数据分割

• train:
  • 字节数: 45164918611
  • 样本数: 88574049
• test:
  • 字节数: 5018137294
  • 样本数: 9841561

数据集大小

• 下载大小: 13176424714 字节
• 数据集总大小: 50183055905 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*