Shriganesh/github-embeddings_dataset

---
dataset_info:
features:
- name: html_url
dtype: string
- name: title
dtype: string
- name: comments
dtype: string
- name: body
dtype: string
- name: comment_length
dtype: int64
- name: text
dtype: string
- name: embeddings
sequence: float32
splits:
- name: train
num_bytes: 25327740
num_examples: 2716
download_size: 13820742
dataset_size: 25327740
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• html_url: 字符串类型
• title: 字符串类型
• comments: 字符串类型
• body: 字符串类型
• comment_length: 整数类型 (int64)
• text: 字符串类型
• embeddings: 浮点数序列 (float32)

数据集分割

• train:
  • 字节数: 25327740
  • 样本数: 2716

数据集大小

• 下载大小: 13820742 字节
• 数据集大小: 25327740 字节

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*