jarod0411/cm_v6_idx4

--- dataset_info: features: - name: prompt dtype: string - name: first_mask_count dtype: int64 - name: first_start_index dtype: int64 - name: first_mask_gen_count dtype: int64 - name: first_mask_tokens dtype: string - name: first_mask_gen_count_real dtype: int64 - name: generated_smiles dtype: string - name: original_smiles dtype: string - name: generated_tokens dtype: string splits: - name: train num_bytes: 233251183.0 num_examples: 1000000 download_size: 52917468 dataset_size: 233251183.0 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据特征

• prompt: 数据类型为字符串。
• first_mask_count: 数据类型为整数（int64）。
• first_start_index: 数据类型为整数（int64）。
• first_mask_gen_count: 数据类型为整数（int64）。
• first_mask_tokens: 数据类型为字符串。
• first_mask_gen_count_real: 数据类型为整数（int64）。
• generated_smiles: 数据类型为字符串。
• original_smiles: 数据类型为字符串。
• generated_tokens: 数据类型为字符串。

数据分割

• train: 包含1,000,000个样本，占用233,251,183.0字节。

数据集大小

• 下载大小: 52,917,468字节。
• 数据集大小: 233,251,183.0字节。

配置

• default: 包含训练数据文件，路径为data/train-*。