HoangHa/belka-selfies-pretrain

--- dataset_info: features: - name: molecule_smiles dtype: large_string - name: SELFIES dtype: string - name: BRD4 dtype: int64 - name: HSA dtype: int64 - name: sEH dtype: int64 splits: - name: train num_bytes: 44320144362 num_examples: 98415610 download_size: 6477830697 dataset_size: 44320144362 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：简化分子线性输入系统（SMILES） 数据类型：大字符串 - 名称：SELFIES 数据类型：字符串 - 名称：溴结构域蛋白4（BRD4） 数据类型：64位整数 - 名称：人血清白蛋白（HSA） 数据类型：64位整数 - 名称：可溶性环氧化物水解酶（sEH） 数据类型：64位整数 数据集划分： - 名称：训练集 字节数：44320144362 样本数：98415610 下载大小：6477830697 数据集大小：44320144362 配置： - 配置名称：默认 数据文件： - 对应划分：训练集 文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• molecule_smiles: 数据类型为large_string。
• SELFIES: 数据类型为string。
• BRD4: 数据类型为int64。
• HSA: 数据类型为int64。
• sEH: 数据类型为int64。

数据集分割

• 训练集(train):
  • 数据量: 98415610条记录。
  • 存储大小: 44320144362字节。

数据集大小

• 下载大小: 6477830697字节。
• 总数据集大小: 44320144362字节。

配置

• 默认配置(default):
  • 训练数据路径: data/train-*。