nongiga/nt_multispecies_16384

---
dataset_info:
features:
- name: sequence
dtype: string
- name: description
dtype: string
- name: start_pos
dtype: int32
- name: end_pos
dtype: int32
- name: fasta_url
dtype: string
splits:
- name: train
num_bytes: 133253293053
num_examples: 127050
- name: validation
num_bytes: 53488531
num_examples: 51
- name: test
num_bytes: 84951962
num_examples: 81
download_size: 60060196924
dataset_size: 133391733546
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• sequence: 数据类型为字符串
• description: 数据类型为字符串
• start_pos: 数据类型为整数 (int32)
• end_pos: 数据类型为整数 (int32)
• fasta_url: 数据类型为字符串

数据分割

• train:
  • 字节数: 133253293053
  • 样本数: 127050
• validation:
  • 字节数: 53488531
  • 样本数: 51
• test:
  • 字节数: 84951962
  • 样本数: 81

数据集大小

• 下载大小: 60060196924 字节
• 数据集大小: 133391733546 字节

配置

• default 配置:
  • train: 路径为 data/train-*
  • validation: 路径为 data/validation-*
  • test: 路径为 data/test-*