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-* ---数据集信息： 特征： - 名称：文件路径（path），数据类型：字符串 - 名称：内容ID（content_id），数据类型：字符串 - 名称：检测到的许可证（detected_licenses），数据类型：字符串序列 - 名称：许可证类型（license_type），数据类型：字符串 - 名称：仓库名称（repo_name），数据类型：字符串 - 名称：仓库地址（repo_url），数据类型：字符串 - 名称：星标事件计数（star_events_count），数据类型：64位整数 - 名称：复刻事件计数（fork_events_count），数据类型：64位整数 - 名称：gha许可证ID（gha_license_id），数据类型：字符串 - 名称：gha事件创建时间（gha_event_created_at），数据类型：纳秒级时间戳 - 名称：gha更新时间（gha_updated_at），数据类型：纳秒级时间戳 - 名称：gha语言（gha_language），数据类型：字符串 - 名称：语言（language），数据类型：字符串 - 名称：是否为生成内容（is_generated），数据类型：布尔值 - 名称：是否为厂商关联内容（is_vendor），数据类型：布尔值 - 名称：转换扩展名（conversion_extension），数据类型：字符串 - 名称：文件大小（size），数据类型：64位整数 - 名称：脚本（script），数据类型：字符串 - 名称：脚本大小（script_size），数据类型：64位整数 数据集划分： - 名称：训练集（train），字节数：128801038，样本数量：5000 下载大小：74725541 数据集总大小：128801038 数据集配置： - 配置名称：默认配置（default），数据文件： - 划分：训练集（train），路径：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-*