jarod0411/cm_v6_idx5

---
dataset_info:
features:
- name: prompt
dtype: string
- name: first_mask_count
dtype: int64
- name: first_start_index
dtype: int64
- name: first_mask_gen_count
dtype: int64
- name: first_mask_tokens
dtype: string
- name: first_mask_gen_count_real
dtype: int64
- name: generated_smiles
dtype: string
- name: original_smiles
dtype: string
- name: generated_tokens
dtype: string
splits:
- name: train
num_bytes: 233321100.0
num_examples: 1000000
download_size: 52920692
dataset_size: 233321100.0
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

• prompt: 数据类型为字符串（string）。
• first_mask_count: 数据类型为整数（int64）。
• first_start_index: 数据类型为整数（int64）。
• first_mask_gen_count: 数据类型为整数（int64）。
• first_mask_tokens: 数据类型为字符串（string）。
• first_mask_gen_count_real: 数据类型为整数（int64）。
• generated_smiles: 数据类型为字符串（string）。
• original_smiles: 数据类型为字符串（string）。
• generated_tokens: 数据类型为字符串（string）。

数据集划分

• train: 包含1000000个样本，数据量大小为233321100.0字节。

数据集大小

• 下载大小: 52920692字节。
• 数据集总大小: 233321100.0字节。

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*