jirvine/doric_from_plsdb_clean_split

--- dataset_info: features: - name: OriC sequence dtype: string - name: ori_id dtype: string - name: plasmid_id dtype: string - name: pfamid_fast dtype: string - name: species dtype: string - name: source dtype: string - name: hit_cluster_id dtype: string - name: split dtype: string - name: __index_level_0__ dtype: int64 splits: - name: train num_bytes: 882713 num_examples: 881 - name: validation num_bytes: 301327 num_examples: 328 download_size: 427493 dataset_size: 1184040 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---

原始信息汇总

数据集概述

数据集特征

• OriC sequence: 数据类型为字符串。
• ori_id: 数据类型为字符串。
• plasmid_id: 数据类型为字符串。
• pfamid_fast: 数据类型为字符串。
• species: 数据类型为字符串。
• source: 数据类型为字符串。
• hit_cluster_id: 数据类型为字符串。
• split: 数据类型为字符串。
• index_level_0: 数据类型为整数。

数据集分割

• 训练集 (train): 包含881个样本，总大小为882713字节。
• 验证集 (validation): 包含328个样本，总大小为301327字节。

数据集大小

• 下载大小: 427493字节。
• 数据集总大小: 1184040字节。

配置文件

• 默认配置 (default):
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*