DeepFoldProtein/foldseek_combined_processed_BPE5000_512

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: special_tokens_mask
sequence: int8
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 3737734624
num_examples: 520286
download_size: 894201377
dataset_size: 3737734624
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：输入Token ID序列（input_ids），数据类型：int32序列
- 名称：特殊Token掩码（special_tokens_mask），数据类型：int8序列
- 名称：注意力掩码（attention_mask），数据类型：int8序列
- 名称：标签序列（labels），数据类型：int64序列
数据拆分：
- 拆分名称：训练集（train），字节占用量：3737734624，样本总数：520286
下载总大小：894201377
数据集总占用大小：3737734624
配置项：
- 配置名称：默认（default），数据文件：
- 对应拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• input_ids: 序列类型为 int32
• special_tokens_mask: 序列类型为 int8
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据分割

• train: 包含 520286 个样本，数据大小为 3737734624 字节

数据集大小

• 下载大小: 894201377 字节
• 数据集大小: 3737734624 字节

配置信息

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