DeepFoldProtein/CATH_v4.3_S35

---
dataset_info:
features:
- name: index
dtype: string
- name: seq
dtype: string
- name: domains
list:
- name: architecture
dtype: int64
- name: class
dtype: int64
- name: idx
sequence: int64
- name: name
dtype: string
- name: seq
dtype: string
- name: ndom
dtype: int64
splits:
- name: train
num_bytes: 14234347
num_examples: 25652
download_size: 12225382
dataset_size: 14234347
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）:
特征（features）:
- 名称：索引（index），数据类型：字符串（string）
- 名称：序列（seq），数据类型：字符串（string）
- 名称：结构域（domains），数据类型为列表，包含以下子字段：
- 名称：架构（architecture），数据类型：int64
- 名称：类别（class），数据类型：int64
- 名称：索引序列（idx），数据类型：int64序列（sequence: int64）
- 名称：名称（name），数据类型：string
- 名称：序列（seq），数据类型：string
- 名称：结构域数量（ndom），数据类型：int64
分割集（splits）:
- 名称：训练集（train），占用字节数：14234347，样本数量：25652
下载大小：12225382
数据集总大小：14234347
配置项（configs）:
- 配置名称：默认配置（default），数据文件：
- 分割集：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• index: 数据类型为字符串。
• seq: 数据类型为字符串。
• domains: 包含以下子特征：
  • architecture: 数据类型为整数64位。
  • class: 数据类型为整数64位。
  • idx: 数据类型为整数64位的序列。
  • name: 数据类型为字符串。
  • seq: 数据类型为字符串。
• ndom: 数据类型为整数64位。

数据分割

• train: 包含25652个样本，总字节数为14234347。

数据大小

• 下载大小: 12225382字节。
• 数据集大小: 14234347字节。

配置

• default: 包含训练数据文件，路径为data/train-*。