HydraLM/partitioned_v2

---
dataset_info:
features:
- name: conversations
list:
- name: input
dtype: string
- name: instruction
dtype: string
- name: response
dtype: string
- name: conversation_id
dtype: int64
- name: dataset_id
dtype: string
- name: cluster_text
dtype: string
- name: embedding
sequence: float64
- name: cluster
sequence: int64
splits:
- name: train
num_bytes: 6451300459
num_examples: 672105
download_size: 4429439608
dataset_size: 6451300459
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "partitioned_v2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息（dataset_info）:
特征字段（features）:
- 名称: conversations
数据类型为列表，列表内元素包含以下子字段：
- input：数据类型（dtype）为字符串（string）
- instruction：数据类型（dtype）为字符串（string）
- response：数据类型（dtype）为字符串（string）
- 名称: conversation_id
数据类型（dtype）为64位整数（int64）
- 名称: dataset_id
数据类型（dtype）为字符串（string）
- 名称: cluster_text
数据类型（dtype）为字符串（string）
- 名称: embedding
数据类型（dtype）为64位浮点数序列（sequence of float64）
- 名称: cluster
数据类型（dtype）为整数序列（sequence of int64）
数据拆分（splits）:
- 名称: train（训练集）
字节数: 6451300459
样本数量: 672105
下载大小: 4429439608 字节
数据集总大小: 6451300459 字节
配置项（configs）:
- 配置名称: default（默认配置）
数据文件（data_files）:
- 数据拆分: train
路径: data/train-*

# 「partitioned_v2」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• conversations
  • input: 数据类型为字符串
  • instruction: 数据类型为字符串
  • response: 数据类型为字符串
• conversation_id: 数据类型为int64
• dataset_id: 数据类型为字符串
• cluster_text: 数据类型为字符串
• embedding: 数据类型为float64序列
• cluster: 数据类型为int64序列

数据集划分

• train
  • num_bytes: 6451300459字节
  • num_examples: 672105个示例

数据集大小

• download_size: 4429439608字节
• dataset_size: 6451300459字节

配置信息

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