Nan-Do/reason_code-search-net-python|代码理解数据集|自然语言处理数据集

hugging_face2023-06-06 更新2024-03-04 收录

代码理解

自然语言处理

下载链接：

https://hf-mirror.com/datasets/Nan-Do/reason_code-search-net-python

下载链接

链接失效反馈

资源简介：

该数据集是一个用于Python的指令数据集，包含五种不同类型的任务。给定一个Python 3函数，任务类型包括：生成解释函数功能的摘要、生成解释输入参数含义的摘要、生成解释返回值含义的摘要、生成解释返回值类型的摘要、生成解释输入参数类型的摘要。数据集旨在提高大型语言模型对Python 3代码的理解和推理能力。数据集包含训练集，数据来源于code-search-net数据集的摘要版本，注释过程使用了模板、NLP技术和Python AST模块。数据集的语言为英语，许可证为Apache 2.0。

提供机构：

Nan-Do

原始信息汇总

数据集概述

数据集名称

名称: Reasoning dataset for Python
别名: reason_code-search-net-python

数据集特征

特征名称: INSTRUCTION, RESPONSE, TYPE, SOURCE
数据类型:
- INSTRUCTION: string
- RESPONSE: string
- TYPE: int64
- SOURCE: string

数据集任务

任务类别: summarization, text-generation, conversational, text2text-generation
语言: English

数据集内容

描述: 该数据集用于Python的教学，包含五种不同类型的任务，涉及Python 3函数的解释和理解。
任务类型:
- Type 1: 生成函数功能的总结。
- Type 2: 生成输入参数的解释。
- Type 3: 生成返回值的解释。
- Type 4: 生成返回值类型的解释。
- Type 5: 生成输入参数类型的解释。

数据集分割

分割: 仅包含训练集
训练集大小: 429059个样本，总大小399930143字节

数据集创建

创建时间: 2023年5月
创建目的: 提高LLMs对Python 3的推理/理解能力

许可证

许可证类型: Apache 2.0

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

TCIA

TCIA（The Cancer Imaging Archive）是一个公开的癌症影像数据集，包含多种癌症类型的医学影像数据，如CT、MRI、PET等。这些数据通常与临床和病理信息相结合，用于癌症研究和临床试验。

www.cancerimagingarchive.net 收录

ADE20K

ADE20K 数据集包含 Scene Parsing Benchmark 场景数据和部分分割数据。图像和注释：每个文件夹包含按场景类别分类的图像，对象和部分分割分别存储在两个不同的 png 文件中。所有对象和零件实例均已单独注释。

OpenDataLab 收录

MedDialog

MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。

github 收录

Solar Radiation Data

该数据集包含全球多个地点的太阳辐射数据，涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标，适用于太阳能资源评估和气候研究。