five

vikp/starcoder_labeled

收藏
Hugging Face2023-09-25 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/vikp/starcoder_labeled
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: code dtype: string - name: repo_path dtype: string - name: parsed_code dtype: string - name: quality_prob dtype: float64 - name: learning_prob dtype: float64 splits: - name: train num_bytes: 852705076967 num_examples: 65509810 download_size: 0 dataset_size: 852705076967 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "starcoder_labeled" [Starcoder data](https://huggingface.co/datasets/bigcode/starcoderdata), with several popular languages selected, short sequences filtered out, then labeled based on learning quality (educational value) and code quality. A good heuristic is to take anything with `>.5` code quality and `>.3` learning quality. But you may want to vary the thresholds by language, depending on your target task.
提供机构:
vikp
原始信息汇总

数据集卡片 "starcoder_labeled"

数据集信息

特征

  • code: 类型为字符串
  • repo_path: 类型为字符串
  • parsed_code: 类型为字符串
  • quality_prob: 类型为浮点数 (float64)
  • learning_prob: 类型为浮点数 (float64)

分割

  • train: 字节数为 852705076967,样本数为 65509810

大小

  • 下载大小: 0
  • 数据集大小: 852705076967

配置

  • default:
    • 分割: train
    • 路径: data/train-*

数据集描述

Starcoder data,选择了几种流行的编程语言,过滤掉了短序列,并根据学习质量和代码质量进行了标记。

一个好的启发式方法是选择代码质量大于 0.5 且学习质量大于 0.3 的样本。但你可能需要根据目标任务的不同,调整不同语言的阈值。

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作