DeepFoldProtein/foldseek_combined_processed_ProtGpt_512

--- dataset_info: features: - name: input_ids sequence: int32 - name: special_tokens_mask sequence: int8 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 2749223408 num_examples: 382687 download_size: 930027596 dataset_size: 2749223408 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息: 特征字段: - 名称: input_ids（输入标识序列） 序列类型: 32位整数 - 名称: special_tokens_mask（特殊令牌（Token）掩码） 序列类型: 8位整数 - 名称: attention_mask（注意力掩码） 序列类型: 8位整数 - 名称: labels（标签序列） 序列类型: 64位整数 数据划分: - 名称: 训练集(train) 占用字节数: 2749223408 样本数量: 382687 下载体积: 930027596 数据集总占用体积: 2749223408 配置项: - 配置名称: 默认配置(default) 数据文件: - 划分集: 训练集(train) 路径: data/train-*

原始信息汇总

数据集概述

数据集特征

• input_ids: 序列类型为 int32
• special_tokens_mask: 序列类型为 int8
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据集分割

• train: 包含 382687 个样本，总字节数为 2749223408

数据集大小

• 下载大小: 930027596 字节
• 数据集大小: 2749223408 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*