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-*