five

blastwind/random_code_snippets

收藏
Hugging Face2024-03-17 更新2024-06-11 收录
下载链接:
https://hf-mirror.com/datasets/blastwind/random_code_snippets
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: lang dtype: string - name: seed dtype: string splits: - name: train num_bytes: 3114466 num_examples: 10000 download_size: 1629429 dataset_size: 3114466 configs: - config_name: default data_files: - split: train path: data/train-* --- This dataset contains 10000 random snippets of 5-15 lines parsed from [`bigcode/starcoderdata`](https://huggingface.co/datasets/bigcode/starcoderdata). Specifically, I consider 10 languages: Haskell, Python, cpp, java, typescript, shell, csharp, rust, php, and swift. And, I collect 1000 documents for each language, and then extract 5-15 random lines from the document to create this dataset. See MagiCoder and their [seed collection](https://github.com/ise-uiuc/magicoder/blob/main/experiments/collect_seed_documents.py#L35) process. In my usecase, I needed some inspiration documents for generating synthetic datasets.
提供机构:
blastwind
原始信息汇总

数据集概述

数据集特征

  • lang:数据类型为字符串
  • seed:数据类型为字符串

数据集划分

  • 训练集(train)
    • 示例数量:10000
    • 数据大小:3114466字节

数据集大小

  • 下载大小:1629429字节
  • 数据集总大小:3114466字节

配置信息

  • 配置名称:default
  • 数据文件
    • 划分:训练集
    • 路径:data/train-*
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