stojchet/temp-deepseek-coder-1.3b-base-empty-fn

该数据集包含多个编程语言中的函数代码及其相关信息，如函数名称、函数路径、完整函数字符串、函数代码字符串、函数文档字符串等。数据集分为四个版本，每个版本的大小和示例数量不同，分别为1.0版本（6292904字节，1000个示例）、2.0版本（12585820字节，2000个示例）、3.0版本（18822150字节，3000个示例）和4.0版本（25061774字节，4000个示例）。数据集总下载大小为28845499字节，总数据集大小为62762648字节。

This dataset contains function code and related information in multiple programming languages, such as function name, function path, complete function string, function code string, function documentation string, etc. The dataset is divided into four versions, each with different sizes and numbers of examples: version 1.0 (6292904 bytes, 1000 examples), version 2.0 (12585820 bytes, 2000 examples), version 3.0 (18822150 bytes, 3000 examples), and version 4.0 (25061774 bytes, 4000 examples). The total download size is 28845499 bytes, and the total dataset size is 62762648 bytes.

原始信息汇总

数据集概述

数据集特征

• repository_name: 字符串类型，表示仓库名称。
• func_path_in_repository: 字符串类型，表示函数在仓库中的路径。
• func_name: 字符串类型，表示函数名称。
• whole_func_string: 字符串类型，表示整个函数的字符串。
• language: 字符串类型，表示编程语言。
• func_code_string: 字符串类型，表示函数代码字符串。
• func_code_tokens: 字符串序列类型，表示函数代码的标记。
• func_documentation_string: 字符串类型，表示函数文档字符串。
• func_documentation_tokens: 字符串序列类型，表示函数文档的标记。
• split_name: 字符串类型，表示分割名称。
• func_code_url: 字符串类型，表示函数代码的URL。
• prediction: 字符串类型，表示预测结果。
• prepared_prompt: 字符串类型，表示准备好的提示。
• func_def: 字符串类型，表示函数定义。
• reference: 字符串类型，表示参考信息。

数据集分割

• 1.0: 包含1000个样本，大小为6292904字节。
• 2.0: 包含2000个样本，大小为12585820字节。
• 3.0: 包含3000个样本，大小为18822150字节。
• 4.0: 包含4000个样本，大小为25061774字节。

数据集大小

• 下载大小: 28845499字节
• 数据集总大小: 62762648字节

配置

• default:
  • 数据文件路径:
    • 1.0: data/1.0-*
    • 2.0: data/2.0-*
    • 3.0: data/3.0-*
    • 4.0: data/4.0-*