anrilombard/safe-gpt-small

该数据集是Sequential Attachment-based Fragment Embedding (SAFE)的一个子集，SAFE是一种新的分子线性表示法，旨在通过生成模型改进分子设计。数据集包含两个主要特征：input和mc_labels，并且分为训练集和测试集。

This dataset is a subset of the original SAFE dataset, which utilizes Sequential Attachment-based Fragment Embedding (SAFE), a novel molecular line notation aimed at improving molecule design using generative models. The dataset includes two main features: input and mc_labels, and is divided into training and test sets.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • input: 数据类型为 string
  • mc_labels: 数据类型为 float64 的序列

• 数据分割:

  • train:
    • 字节数: 66709931019
    • 样本数: 315151780
  • test:
    • 字节数: 11625286787
    • 样本数: 54872514

• 下载大小: 17338800261 字节

• 数据集总大小: 78335217806 字节

配置

• 配置名称: default
  • 数据文件:
    • train: data/train-*
    • test: data/test-*

数据集描述

• 该数据集是原始 SAFE 数据集的一个子集，用于训练较小的模型。