bigcode/stack-exchange-embeddings-20230914

该数据集包含两个主要特征：qid（问题ID）和embeddings（嵌入向量）。数据集仅包含一个训练分割（train），该分割包含10,404,628个示例，占用32,087,872,752字节。数据集的下载大小为38,524,651,200字节，实际大小与训练分割相同。配置信息指定了数据文件的路径为data/train-*。

The dataset contains two main features: qid (question ID) and embeddings (embedding vectors). The dataset includes only a training split (train), which contains 10,404,628 examples and occupies 32,087,872,752 bytes. The download size of the dataset is 38,524,651,200 bytes, and the actual size is the same as the training split. The configuration specifies the path to the data files as data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • qid: 整数类型 (int64)
  • embeddings: 浮点数序列 (float32)

数据分割

• 训练集 (train):
  • 样本数量: 10,404,628
  • 数据大小: 32,087,872,752 字节

数据集大小

• 下载大小: 38,524,651,200 字节
• 数据集大小: 32,087,872,752 字节

配置

• 配置名称: default
  • 数据文件路径: data/train-*