jorjiiie/cpp_dump

--- dataset_info: features: - name: hexsha dtype: string - name: size dtype: int64 - name: ext dtype: string - name: lang dtype: string - name: max_stars_repo_path dtype: string - name: max_stars_repo_name dtype: string - name: max_stars_repo_head_hexsha dtype: string - name: max_stars_repo_licenses sequence: string - name: max_stars_count dtype: float64 - name: max_stars_repo_stars_event_min_datetime dtype: string - name: max_stars_repo_stars_event_max_datetime dtype: string - name: max_issues_repo_path dtype: string - name: max_issues_repo_name dtype: string - name: max_issues_repo_head_hexsha dtype: string - name: max_issues_repo_licenses sequence: string - name: max_issues_count dtype: float64 - name: max_issues_repo_issues_event_min_datetime dtype: string - name: max_issues_repo_issues_event_max_datetime dtype: string - name: max_forks_repo_path dtype: string - name: max_forks_repo_name dtype: string - name: max_forks_repo_head_hexsha dtype: string - name: max_forks_repo_licenses sequence: string - name: max_forks_count dtype: float64 - name: max_forks_repo_forks_event_min_datetime dtype: string - name: max_forks_repo_forks_event_max_datetime dtype: string - name: content dtype: string - name: avg_line_length dtype: float64 - name: max_line_length dtype: int64 - name: alphanum_fraction dtype: float64 splits: - name: train num_bytes: 24968990 num_examples: 10000 download_size: 12453480 dataset_size: 24968990 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

• hexsha：字符串类型
• size：整数类型（int64）
• ext：字符串类型
• lang：字符串类型
• max_stars_repo_path：字符串类型
• max_stars_repo_name：字符串类型
• max_stars_repo_head_hexsha：字符串类型
• max_stars_repo_licenses：字符串序列类型
• max_stars_count：浮点数类型（float64）
• max_stars_repo_stars_event_min_datetime：字符串类型
• max_stars_repo_stars_event_max_datetime：字符串类型
• max_issues_repo_path：字符串类型
• max_issues_repo_name：字符串类型
• max_issues_repo_head_hexsha：字符串类型
• max_issues_repo_licenses：字符串序列类型
• max_issues_count：浮点数类型（float64）
• max_issues_repo_issues_event_min_datetime：字符串类型
• max_issues_repo_issues_event_max_datetime：字符串类型
• max_forks_repo_path：字符串类型
• max_forks_repo_name：字符串类型
• max_forks_repo_head_hexsha：字符串类型
• max_forks_repo_licenses：字符串序列类型
• max_forks_count：浮点数类型（float64）
• max_forks_repo_forks_event_min_datetime：字符串类型
• max_forks_repo_forks_event_max_datetime：字符串类型
• content：字符串类型
• avg_line_length：浮点数类型（float64）
• max_line_length：整数类型（int64）
• alphanum_fraction：浮点数类型（float64）

数据集分割

• 训练集（train）：
  • 字节数：24968990
  • 示例数：10000

数据集大小

• 下载大小：12453480字节
• 数据集大小：24968990字节

配置

• 默认配置（default）：
  • 数据文件路径：data/train-*