OpenMol/MolInst_FS_125K_SMILES_1_4_MMChat

---
dataset_info:
features:
- name: id
dtype: int64
- name: molecules
struct:
- name: selfies
sequence: string
- name: smiles
sequence: string
- name: ground_truth
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 32482435
num_examples: 31096
- name: test
num_bytes: 969433
num_examples: 1000
download_size: 5058382
dataset_size: 33451868
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id: 整数类型 (int64)
• molecules: 结构化数据
  • selfies: 字符串序列
  • smiles: 字符串序列
• ground_truth: 字符串类型 (string)
• messages: 列表类型
  • content: 字符串类型 (string)
  • role: 字符串类型 (string)

数据集划分

• 训练集 (train):
  • 示例数量: 31096
  • 数据大小: 32482435 字节
• 测试集 (test):
  • 示例数量: 1000
  • 数据大小: 969433 字节

数据集大小

• 下载大小: 5058382 字节
• 数据集总大小: 33451868 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*