blastwind/github-code-scala

该数据集名为github-code-scala，包含Scala语言的代码数据，是从github-code-clean数据集中提取的。数据集包含817k个样本，总下载大小为1.52GB。

原始信息汇总

数据集概述

数据集名称

• 名称：github-code-scala

数据集特征

• code (字符串)
• repo_name (字符串)
• path (字符串)
• language (字符串)
• license (字符串)
• size (整数)

数据集分割

• 训练集
  • 样本数量：654001
  • 数据大小：3330521484.4803743 字节
• 验证集
  • 样本数量：81750
  • 数据大小：416314548.9934581 字节
• 测试集
  • 样本数量：81751
  • 数据大小：416319641.5261675 字节

数据集大小

• 下载大小：1534670727 字节
• 数据集总大小：4163155675.0 字节

任务类别

• 文本生成

大小类别

• 100K<n<1M