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-* ---数据集信息： 特征字段： - 名称：提示词（prompt） 数据类型：字符串 - 名称：首次掩码计数 数据类型：64位整数 - 名称：首次掩码起始索引 数据类型：64位整数 - 名称：首次掩码生成计数 数据类型：64位整数 - 名称：首次掩码标记（Token） 数据类型：字符串 - 名称：首次掩码实际生成计数 数据类型：64位整数 - 名称：生成的SMILES 数据类型：字符串 - 名称：原始SMILES 数据类型：字符串 - 名称：生成的标记（Token） 数据类型：字符串 数据集划分： - 名称：训练集 字节大小：233321100.0 样本数量：1000000 下载大小：52920692 数据集总大小：233321100.0 配置项： - 配置名称：默认配置 数据文件： - 划分集：训练集 路径：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-*