loubnabnl/sample_jupyter

---
dataset_info:
features:
- name: path
dtype: string
- name: content_id
dtype: string
- name: detected_licenses
sequence: string
- name: license_type
dtype: string
- name: repo_name
dtype: string
- name: repo_url
dtype: string
- name: star_events_count
dtype: int64
- name: fork_events_count
dtype: int64
- name: gha_license_id
dtype: string
- name: gha_event_created_at
dtype: timestamp[ns]
- name: gha_updated_at
dtype: timestamp[ns]
- name: gha_language
dtype: string
- name: language
dtype: string
- name: is_generated
dtype: bool
- name: is_vendor
dtype: bool
- name: conversion_extension
dtype: string
- name: size
dtype: int64
- name: script
dtype: string
- name: script_size
dtype: int64
splits:
- name: train
num_bytes: 128801038
num_examples: 5000
download_size: 74725541
dataset_size: 128801038
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集信息

特征

• path: 字符串类型
• content_id: 字符串类型
• detected_licenses: 字符串序列
• license_type: 字符串类型
• repo_name: 字符串类型
• repo_url: 字符串类型
• star_events_count: 64位整数类型
• fork_events_count: 64位整数类型
• gha_license_id: 字符串类型
• gha_event_created_at: 时间戳类型（纳秒）
• gha_updated_at: 时间戳类型（纳秒）
• gha_language: 字符串类型
• language: 字符串类型
• is_generated: 布尔类型
• is_vendor: 布尔类型
• conversion_extension: 字符串类型
• size: 64位整数类型
• script: 字符串类型
• script_size: 64位整数类型

数据分割

• train:
  • 字节数: 128801038
  • 样本数: 5000

数据集大小

• 下载大小: 74725541 字节
• 数据集大小: 128801038 字节

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*