nongiga/nt_multispecies_4096

---
dataset_info:
features:
- name: sequence
dtype: string
- name: description
dtype: string
- name: start_pos
dtype: int32
- name: end_pos
dtype: int32
- name: fasta_url
dtype: string
splits:
- name: train
num_bytes: 146077981653
num_examples: 556711
- name: validation
num_bytes: 103373447
num_examples: 394
- name: test
num_bytes: 149547883
num_examples: 570
download_size: 65605526006
dataset_size: 146330902983
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• sequence: 数据类型为字符串。
• description: 数据类型为字符串。
• start_pos: 数据类型为整数（int32）。
• end_pos: 数据类型为整数（int32）。
• fasta_url: 数据类型为字符串。

数据分割

• train: 包含556711个样本，总字节数为146077981653。
• validation: 包含394个样本，总字节数为103373447。
• test: 包含570个样本，总字节数为149547883。

数据大小

• 下载大小: 65605526006字节。
• 数据集大小: 146330902983字节。

配置

• default
  • train: 路径为data/train-*。
  • validation: 路径为data/validation-*。
  • test: 路径为data/test-*。