saketag73/gtzan_truncate_processed_for_distilhubert

---
dataset_info:
features:
- name: label
dtype:
class_label:
names:
'0': blues
'1': classical
'2': country
'3': disco
'4': hiphop
'5': jazz
'6': metal
'7': pop
'8': reggae
'9': rock
- name: input_values
sequence: float32
- name: attention_mask
sequence: int32
splits:
- name: train
num_bytes: 3452173752
num_examples: 1798
- name: test
num_bytes: 384002664
num_examples: 200
download_size: 1923112317
dataset_size: 3836176416
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

• label

  • 数据类型: 类别标签
  • 类别名称:
    • 0: blues
    • 1: classical
    • 2: country
    • 3: disco
    • 4: hiphop
    • 5: jazz
    • 6: metal
    • 7: pop
    • 8: reggae
    • 9: rock

• input_values

  • 数据类型: 序列, float32

• attention_mask

  • 数据类型: 序列, int32

数据集分割

• 训练集

  • 大小: 3452173752 字节
  • 样本数: 1798

• 测试集

  • 大小: 384002664 字节
  • 样本数: 200

数据集大小

• 下载大小: 1923112317 字节
• 数据集总大小: 3836176416 字节

数据文件配置

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

搜集汇总

背景与挑战

背景概述

该数据集是经过截断和处理的GTZAN音乐数据集，专门为DistilHubert模型优化，包含10种音乐流派标签，以时间序列格式存储为parquet文件。数据集规模为1,998行，分为1,800行训练数据和200行测试数据，总大小为1.92 GB，提供音频特征序列和注意力掩码，适用于音频分类任务。