OpenMol/MolInst_RS_125K_SMILES_1_16_MMChat

--- dataset_info: features: - name: id dtype: int64 - name: molecules struct: - name: selfies sequence: string - name: smiles sequence: string - name: ground_truth dtype: string - name: messages list: - name: content dtype: string - name: role dtype: string splits: - name: train num_bytes: 6865728 num_examples: 8042 - name: test num_bytes: 782363 num_examples: 1000 download_size: 1306080 dataset_size: 7648091 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* ---数据集信息： 特征项： - 标识符（id）：数据类型为64位整型（int64） - 分子数据（molecules）：结构体类型，包含以下子字段： - 分子SELFIES表示（selfies）：字符串序列 - 分子SMILES表示（smiles）：字符串序列 - 真实标签（ground_truth）：数据类型为字符串 - 对话消息（messages）：列表类型，列表元素为结构体，包含以下字段： - 内容（content）：字符串类型 - 角色（role）：字符串类型 数据集划分： - 训练集（train）：占用字节数6865728，样本总量8042 - 测试集（test）：占用字节数782363，样本总量1000 整体统计：下载大小1306080，数据集总存储大小7648091 数据集配置： - 配置名称：默认（default），数据文件路径对应如下： - 训练集：data/train-* - 测试集：data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 整数类型 (int64)
• molecules: 结构化数据
  • selfies: 字符串序列
  • smiles: 字符串序列
• ground_truth: 字符串类型 (string)
• messages: 列表类型
  • content: 字符串类型 (string)
  • role: 字符串类型 (string)

数据集分割

• 训练集 (train):
  • 数据量: 8042个样本
  • 存储大小: 6865728字节
• 测试集 (test):
  • 数据量: 1000个样本
  • 存储大小: 782363字节

数据集大小

• 下载大小: 1306080字节
• 数据集总大小: 7648091字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*