blenderwang/embl-1m-seed_42

该数据集包含多个物种的基因表达数据，特征包括input_ids、exprs、length、species、dataset_id和cell_id。其中，species字段表示物种类别，包括拟南芥、斑马鱼、果蝇、人类、小鼠和大鼠。数据集仅包含一个训练分割，共有1,000,000个样本，总大小为14,854,205,784字节，下载大小为6,831,816,916字节。

原始信息汇总

数据集概述

数据集特征

• input_ids：序列类型为int32。
• exprs：序列类型为float32。
• length：数据类型为int32。
• species：类别标签，包含以下物种：
  • 0: arabidopsis_thaliana
  • 1: danio_rerio
  • 2: drosophila_melanogaster
  • 3: homo_sapiens
  • 4: mus_musculus
  • 5: rattus_norvegicus
• dataset_id：数据类型为int16。
• cell_id：数据类型为int32。

数据集分割

• train：
  • 数据量：14854205784字节
  • 样本数：1000000

数据集大小

• 下载大小：6831816916字节
• 数据集大小：14854205784字节