alex-atelo/codeparrot-ds-subset50k|代码分析数据集|机器学习数据集

---
dataset_info:
features:
- name: repo_name
dtype: string
- name: path
dtype: string
- name: copies
dtype: string
- name: size
dtype: string
- name: content
dtype: string
- name: license
dtype: string
splits:
- name: train
num_bytes: 652784990.8524525
num_examples: 50000
- name: valid
num_bytes: 13317315.773630343
num_examples: 1000
download_size: 253300867
dataset_size: 666102306.6260829
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
---

原始信息汇总

数据集信息

特征

• repo_name: 类型为字符串
• path: 类型为字符串
• copies: 类型为字符串
• size: 类型为字符串
• content: 类型为字符串
• license: 类型为字符串

数据分割

• train:
  • 字节数: 652784990.8524525
  • 样本数: 50000
• valid:
  • 字节数: 13317315.773630343
  • 样本数: 1000

数据大小

• 下载大小: 253300867
• 数据集大小: 666102306.6260829

配置

• default:
  • 数据文件:
    • train: data/train-*
    • valid: data/valid-*