LofiAmazon/BOLD-Embeddings

--- dataset_info: features: - name: processid dtype: string - name: embeddings sequence: float32 splits: - name: train num_bytes: 14332206772 num_examples: 4636068 download_size: 17138874377 dataset_size: 14332206772 configs: - config_name: default data_files: - split: train path: data/train-* --- DNA Embeddings produced by [LofiAmazon/BarcodeBERT-Entire-BOLD](https://huggingface.co/LofiAmazon/BarcodeBERT-Entire-BOLD). Features: - **processid** The process ID from BOLD - **embeddings** The DNA embeddings produced by the model **NOTE**: This is a small sample of all data available in BOLD. Generating embeddings for the entire BOLD database would require ~20GB of space.数据集元信息： 特征列： - 名称：processid，数据类型：字符串 - 名称：embeddings（嵌入向量），数据类型：float32序列 数据划分： - 划分名称：train（训练集），占用字节数：14332206772，样本总数：4636068 下载总大小：17138874377 数据集存储总大小：14332206772 配置项： - 配置名称：default（默认配置），数据文件配置： - 对应数据划分：train（训练集），文件路径：data/train-* 本数据集的DNA嵌入向量由模型[LofiAmazon/BarcodeBERT-Entire-BOLD](https://huggingface.co/LofiAmazon/BarcodeBERT-Entire-BOLD)生成。 特征说明： - **processid**：源自BOLD数据库的进程标识符 - **embeddings**：该模型生成的DNA嵌入向量 注意事项： 本数据集仅为BOLD数据库全部可用数据的极小样本。若需为完整BOLD数据库生成嵌入向量，所需存储空间约为20GB。