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-* ---数据集信息： 特征项： 1. 标签（label）：数据类型为类别标签（class_label），其类别映射关系为： '0': 蓝调音乐 '1': 古典音乐 '2': 乡村音乐 '3': 迪斯科音乐 '4': 嘻哈音乐 '5': 爵士乐 '6': 重金属音乐 '7': 流行音乐 '8': 雷鬼音乐 '9': 摇滚乐 2. 输入值（input_values）：序列类型，数据类型为单精度浮点型（float32） 3. 注意力掩码（attention_mask）：序列类型，数据类型为32位整型（int32） 数据集划分： 1. 训练集（train）：占用字节数3452173752，样本数量1798 2. 测试集（test）：占用字节数384002664，样本数量200 下载大小：1923112317字节 总数据集大小：3836176416字节 配置项： - 配置名称：default（默认配置），对应的数据文件路径如下： - 训练集：data/train-* - 测试集：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。