DNA-LLM/experiment_one_viral_genomes_train_set

---
dataset_info:
features:
- name: id
dtype: string
- name: sequence
dtype: string
- name: name
dtype: string
- name: description
dtype: string
- name: features
dtype: int64
- name: seq_length
dtype: int64
- name: sequence_quality
dtype: float64
- name: text
dtype: string
- name: __index_level_0__
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 2516022659
num_examples: 350149
download_size: 425683637
dataset_size: 2516022659
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

• id: 数据类型为字符串。
• sequence: 数据类型为字符串。
• name: 数据类型为字符串。
• description: 数据类型为字符串。
• features: 数据类型为整数64位。
• seq_length: 数据类型为整数64位。
• sequence_quality: 数据类型为浮点数64位。
• text: 数据类型为字符串。
• index_level_0: 数据类型为整数64位。
• input_ids: 数据类型为整数32位，序列类型。
• attention_mask: 数据类型为整数8位，序列类型。

数据集分割

• train:
  • 数据量: 2516022659字节
  • 示例数量: 350149

数据集大小

• 下载大小: 425683637字节
• 数据集大小: 2516022659字节

配置

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