OpenMol/MolInst_FS_125K_SMILES_1_2_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: 64889741 num_examples: 62192 - name: test num_bytes: 969433 num_examples: 1000 download_size: 9573113 dataset_size: 65859174 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（molecules）：结构体类型，包含以下子字段： - SELFIES（selfies）：字符串序列 - SMILES（smiles）：字符串序列 - 真实标签（ground_truth）：字符串类型 - 消息列表（messages）：列表类型，列表元素包含两个子字段： - 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64889741，样本总数62192 - 测试集（test）：占用字节数969433，样本总数1000 下载大小：9573113 字节 数据集总大小：65859174 字节 配置项： - 配置名称：default（默认配置） 数据文件路径： - 训练集对应路径：data/train-* - 测试集对应路径：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: 62192个样本
  • 存储大小: 64889741字节
• 测试集 (test):
  • 数据量: 1000个样本
  • 存储大小: 969433字节

数据集大小

• 下载大小: 9573113字节
• 数据集总大小: 65859174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-*