jzshared/gtdb

--- dataset_info: features: - name: cds sequence: string - name: cds_meta sequence: string - name: cds_start_pos sequence: int64 - name: cds_end_pos sequence: int64 - name: species dtype: string - name: assembly dtype: string - name: taxonomy dtype: string splits: - name: train num_bytes: 117130792251 num_examples: 113104 download_size: 108834015760 dataset_size: 117130792251 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：cds，对应编码序列（Coding Sequence），类型：字符串序列 - 名称：cds_meta，类型：字符串序列 - 名称：cds_start_pos，对应编码序列起始位置，类型：64位整型序列 - 名称：cds_end_pos，对应编码序列终止位置，类型：64位整型序列 - 名称：species（物种），数据类型：字符串 - 名称：assembly（组装），数据类型：字符串 - 名称：taxonomy（分类学），数据类型：字符串 数据集划分： - 名称：train（训练集），占用字节数：117130792251，样本数量：113104 下载大小：108834015760 数据集总大小：117130792251 配置项： - 配置名称：default（默认配置），数据文件： - 划分集：train，路径：data/train-*