nongiga/nt_multispecies_262144

---
dataset_info:
features:
- name: sequence
dtype: string
- name: description
dtype: string
- name: start_pos
dtype: int32
- name: end_pos
dtype: int32
- name: fasta_url
dtype: string
splits:
- name: train
num_bytes: 146077981653
num_examples: 556711
- name: validation
num_bytes: 103373447
num_examples: 394
- name: test
num_bytes: 149547883
num_examples: 570
download_size: 65605526006
dataset_size: 146330902983
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• sequence: 数据类型为字符串
• description: 数据类型为字符串
• start_pos: 数据类型为整数 (int32)
• end_pos: 数据类型为整数 (int32)
• fasta_url: 数据类型为字符串

数据分割

• train:
  • 字节数: 146077981653
  • 样本数: 556711
• validation:
  • 字节数: 103373447
  • 样本数: 394
• test:
  • 字节数: 149547883
  • 样本数: 570

数据集大小

• 下载大小: 65605526006 字节
• 数据集大小: 146330902983 字节

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*
  • 测试数据路径: data/test-*