Code Search Net Dataset

kaggle2024-03-05 更新2024-04-26 收录

下载链接：

https://www.kaggle.com/datasets/one49segolte/codesearchnet

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2024-03-05

code-search-net/code_search_net

CodeSearchNet corpus是一个包含200万对（注释，代码）的数据集，这些数据来自GitHub上的开源库。数据集支持多种编程语言，包括Go、Java、JavaScript、PHP、Python和Ruby。数据集的主要用途是支持CodeSearchNet挑战，探索使用自然语言进行代码检索的问题。数据集的结构包括代码函数及其文档，以及相关的元数据。数据集分为训练集、测试集和验证集。数据集

Hugging Face2026-02-23 更新2320

code_search_net_ChatML

YCWTG/code_search_net_pretraining 是一个用于预训练的数据集，基于 code-search-net/code_search_net 的数据重新整理而成。该数据集将原始的函数体字段统一重命名为 'Assistant' 字段，以便于语言模型训练。数据集包含 1,880,853 行数据，以 JSONL 格式存储在两个文件中（part-00000.jsonl 和 part-

Hugging Face2026-04-06 更新00

monsterapi/code_search_net

该数据集包含了代码搜索网络（Code Search Net）的相关数据，已经加载并转换为parquet格式，无需启用远程执行即可使用。数据集的特征包括仓库名称、函数路径、函数名称、完整函数字符串、语言、函数代码字符串、函数代码标记、函数文档字符串、函数文档标记、分割名称和函数代码URL。数据分割包括训练集、测试集和验证集，分别提供了字节大小和示例数量。

Hugging Face2024-08-14 更新80

code_search_net

该数据集包含多个与代码相关的特征，如仓库名称、函数路径、函数名称、完整函数字符串、编程语言、函数代码字符串、函数代码令牌、函数文档字符串、函数文档令牌、分割名称和函数代码URL。数据集分为训练、测试和验证三个部分，分别包含1880853、100529和89154个示例。数据集的总大小为6433783930字节，下载大小为1984438971字节。此外，数据集已被加载并转换为parquet格式，方便

Hugging Face2024-08-14 更新80

claudios/code_search_net

CodeSearchNet数据集是一个包含200万（注释，代码）对的数据集，这些数据来自GitHub上的开源库。数据集支持多种编程语言，包括Go、Java、JavaScript、PHP、Python和Ruby。该数据集主要用于代码检索任务，特别是使用自然语言进行代码检索。数据集的结构包括函数代码及其文档，以及函数的元数据，如提取自哪个仓库。数据集分为训练集、测试集和验证集三个部分。

Hugging Face2024-06-04 更新190