language-plus-molecules/LPM-24_train-extra

---
dataset_info:
features:
- name: molecule
dtype: string
- name: caption
dtype: string
splits:
- name: train
num_bytes: 276260470
num_examples: 802800
- name: split_train
num_bytes: 219611475
num_examples: 634320
- name: split_valid
num_bytes: 56648995
num_examples: 168480
download_size: 78056020
dataset_size: 552520940
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: split_train
path: data/split_train-*
- split: split_valid
path: data/split_valid-*
---

原始信息汇总

数据集概述

特征信息

• molecule: 数据类型为字符串。
• caption: 数据类型为字符串。

数据分割

• train: 包含802800个样本，占用276260470字节。
• split_train: 包含634320个样本，占用219611475字节。
• split_valid: 包含168480个样本，占用56648995字节。

数据集大小

• 下载大小: 78056020字节。
• 数据集总大小: 552520940字节。

配置信息

• default配置包含以下数据文件:
  • train: 路径为data/train-*。
  • split_train: 路径为data/split_train-*。
  • split_valid: 路径为data/split_valid-*。