emarro/small_vertebrate_genomes_8192

---
dataset_info:
features:
- name: species
dtype: string
- name: seq_id
dtype: string
- name: start
dtype: int64
- name: end
dtype: int64
- name: strand
dtype: string
- name: gene_ids
list: string
- name: seq
dtype: string
splits:
- name: train
num_bytes: 20250667922
num_examples: 2447940
- name: validation
num_bytes: 637201336
num_examples: 77049
download_size: 10320494974
dataset_size: 20887869258
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征：
- 名称：species（物种），数据类型：string（字符串）
- 名称：seq_id（序列标识符），数据类型：string（字符串）
- 名称：start（起始位置），数据类型：int64（64位整数）
- 名称：end（终止位置），数据类型：int64（64位整数）
- 名称：strand（链，如基因组正/负链），数据类型：string（字符串）
- 名称：gene_ids（基因标识符列表），数据类型：list<string>（字符串列表）
- 名称：seq（序列），数据类型：string（字符串）
数据拆分：
- 名称：train（训练集），占用字节数：20250667922，样本数量：2447940
- 名称：validation（验证集），占用字节数：637201336，样本数量：77049
下载大小：10320494974
数据集总大小：20887869258
配置：
- 配置名称：default（默认配置），数据文件：
- 拆分：train（训练集），路径：data/train-*
- 拆分：validation（验证集），路径：data/validation-*