asure22/python_obfuscated_small_tokenized_ct5_small

--- dataset_info: features: - name: repo dtype: string - name: path dtype: string - name: func_name dtype: string - name: original_string dtype: string - name: language dtype: string - name: code dtype: string - name: code_tokens sequence: string - name: docstring dtype: string - name: docstring_tokens sequence: string - name: sha dtype: string - name: url dtype: string - name: partition dtype: string - name: summary dtype: string - name: obf_code dtype: string - name: code_len dtype: int64 - name: obf_code_len dtype: int64 - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 1412900276.8 num_examples: 24000 - name: test num_bytes: 176612534.6 num_examples: 3000 - name: validation num_bytes: 176612534.6 num_examples: 3000 download_size: 231249817 dataset_size: 1766125345.9999998 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* - split: validation path: data/validation-* ---

原始信息汇总

数据集概述

数据集特征

• repo: 字符串类型
• path: 字符串类型
• func_name: 字符串类型
• original_string: 字符串类型
• language: 字符串类型
• code: 字符串类型
• code_tokens: 字符串序列类型
• docstring: 字符串类型
• docstring_tokens: 字符串序列类型
• sha: 字符串类型
• url: 字符串类型
• partition: 字符串类型
• summary: 字符串类型
• obf_code: 字符串类型
• code_len: 整数类型（64位）
• obf_code_len: 整数类型（64位）
• input_ids: 整数序列类型（32位）
• attention_mask: 整数序列类型（8位）
• labels: 整数序列类型（64位）

数据集分割

• 训练集: 24000个样本，大小为1412900276.8字节
• 测试集: 3000个样本，大小为176612534.6字节
• 验证集: 3000个样本，大小为176612534.6字节

数据集大小

• 下载大小: 231249817字节
• 数据集总大小: 1766125345.9999998字节

配置文件

• 默认配置:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/validation-*