ftopal/huggingface-models

---
dataset_info:
features:
- name: pipeline_tag
dtype: string
- name: library_name
dtype: string
- name: text
dtype: string
- name: metadata
dtype: string
- name: id
dtype: string
- name: last_modified
dtype: 'null'
- name: tags
sequence: string
- name: sha
dtype: 'null'
- name: created_at
dtype: string
- name: arxiv
sequence: string
- name: languages
sequence: string
- name: tags_str
dtype: string
- name: text_str
dtype: string
- name: text_lists
sequence: string
- name: processed_texts
sequence: string
splits:
- name: train
num_bytes: 2239788824
num_examples: 319613
download_size: 557227542
dataset_size: 2239788824
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 流水线标签（pipeline_tag）：字符串类型
- 依赖库名称（library_name）：字符串类型
- 文本（text）：字符串类型
- 元数据（metadata）：字符串类型
- 标识符（id）：字符串类型
- 最后修改时间（last_modified）：空值类型
- 标签（tags）：字符串序列类型
- SHA哈希值（sha）：空值类型
- 创建时间（created_at）：字符串类型
- arXiv编号序列（arxiv）：字符串序列类型
- 语言（languages）：字符串序列类型
- 标签字符串（tags_str）：字符串类型
- 文本字符串（text_str）：字符串类型
- 文本列表（text_lists）：字符串序列类型
- 处理后文本（processed_texts）：字符串序列类型
数据集划分：
- 训练集（train）：字节数为2239788824，样本数量为319613
整体下载大小：557227542
数据集总大小：2239788824
数据集配置：
- 默认配置（default）：数据文件对应训练划分下的`data/train-*`路径文件

原始信息汇总

数据集概述

数据集信息

特征

• pipeline_tag: 类型为字符串
• library_name: 类型为字符串
• text: 类型为字符串
• metadata: 类型为字符串
• id: 类型为字符串
• last_modified: 类型为空
• tags: 类型为字符串序列
• sha: 类型为空
• created_at: 类型为字符串
• arxiv: 类型为字符串序列
• languages: 类型为字符串序列
• tags_str: 类型为字符串
• text_str: 类型为字符串
• text_lists: 类型为字符串序列
• processed_texts: 类型为字符串序列

数据分割

• train: 包含319613个样本，占用2239788824字节

数据集大小

• 下载大小: 557227542字节
• 数据集大小: 2239788824字节

配置

• default: 包含训练数据文件，路径为data/train-*