jarod0411/cm_v6_idx9

---
dataset_info:
features:
- name: prompt
dtype: string
- name: first_mask_count
dtype: int64
- name: first_start_index
dtype: int64
- name: first_mask_gen_count
dtype: int64
- name: first_mask_tokens
dtype: string
- name: first_mask_gen_count_real
dtype: int64
- name: generated_smiles
dtype: string
- name: original_smiles
dtype: string
- name: generated_tokens
dtype: string
splits:
- name: train
num_bytes: 233261099.0
num_examples: 1000000
download_size: 52935716
dataset_size: 233261099.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据特征

• prompt: 数据类型为字符串。
• first_mask_count: 数据类型为整数（int64）。
• first_start_index: 数据类型为整数（int64）。
• first_mask_gen_count: 数据类型为整数（int64）。
• first_mask_tokens: 数据类型为字符串。
• first_mask_gen_count_real: 数据类型为整数（int64）。
• generated_smiles: 数据类型为字符串。
• original_smiles: 数据类型为字符串。
• generated_tokens: 数据类型为字符串。

数据分割

• train: 包含1,000,000个样本，占用233,261,099.0字节。

数据集大小

• 下载大小: 52,935,716字节。
• 数据集大小: 233,261,099.0字节。

配置

• default: 包含训练数据文件，路径为data/train-*。