OBF/reg-ds

---
dataset_info:
- config_name: c
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 13442958357.844296
num_examples: 1949000
download_size: 4580467350
dataset_size: 13442958357.844296
- config_name: cpp
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 14983809296.175602
num_examples: 1828000
download_size: 4908871876
dataset_size: 14983809296.175602
- config_name: go
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 13755677598.426552
num_examples: 2767000
download_size: 4676263414
dataset_size: 13755677598.426552
- config_name: haskell
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 2020257310
num_examples: 485958
download_size: 795151293
dataset_size: 2020257310
- config_name: java
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 18941088346.83762
num_examples: 4145000
download_size: 6143582915
dataset_size: 18941088346.83762
- config_name: python
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 16163190026.156303
num_examples: 3275000
download_size: 5960453385
dataset_size: 16163190026.156303
- config_name: rust
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 7714478040
num_examples: 1153702
download_size: 2401120332
dataset_size: 7714478040
- config_name: typescript
features:
- name: content
dtype: string
splits:
- name: train
num_bytes: 13589061648
num_examples: 4979083
download_size: 4965715796
dataset_size: 13589061648
configs:
- config_name: c
data_files:
- split: train
path: c/train-*
- config_name: cpp
data_files:
- split: train
path: cpp/train-*
- config_name: go
data_files:
- split: train
path: go/train-*
- config_name: haskell
data_files:
- split: train
path: haskell/train-*
- config_name: java
data_files:
- split: train
path: java/train-*
- config_name: python
data_files:
- split: train
path: python/train-*
- config_name: rust
data_files:
- split: train
path: rust/train-*
- config_name: typescript
data_files:
- split: train
path: typescript/train-*
---

原始信息汇总

数据集概述

配置信息

C语言

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 13442958357.844296
  • 样本数: 1949000
• 下载大小: 4580467350
• 数据集大小: 13442958357.844296

C++

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 14983809296.175602
  • 样本数: 1828000
• 下载大小: 4908871876
• 数据集大小: 14983809296.175602

Go

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 13755677598.426552
  • 样本数: 2767000
• 下载大小: 4676263414
• 数据集大小: 13755677598.426552

Haskell

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 2020257310
  • 样本数: 485958
• 下载大小: 795151293
• 数据集大小: 2020257310

Java

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 18941088346.83762
  • 样本数: 4145000
• 下载大小: 6143582915
• 数据集大小: 18941088346.83762

Python

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 16163190026.156303
  • 样本数: 3275000
• 下载大小: 5960453385
• 数据集大小: 16163190026.156303

Rust

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 7714478040
  • 样本数: 1153702
• 下载大小: 2401120332
• 数据集大小: 7714478040

TypeScript

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 13589061648
  • 样本数: 4979083
• 下载大小: 4965715796
• 数据集大小: 13589061648

数据文件路径

• C语言:

  • 分割: train
  • 路径: c/train-*

• C++:

  • 分割: train
  • 路径: cpp/train-*

• Go:

  • 分割: train
  • 路径: go/train-*

• Haskell:

  • 分割: train
  • 路径: haskell/train-*

• Java:

  • 分割: train
  • 路径: java/train-*

• Python:

  • 分割: train
  • 路径: python/train-*

• Rust:

  • 分割: train
  • 路径: rust/train-*

• TypeScript:

  • 分割: train
  • 路径: typescript/train-*