mziem/temp_all_map

--- dataset_info: features: - name: file_id dtype: string - name: content dtype: string - name: repo dtype: string - name: path dtype: string - name: token_length dtype: int64 - name: original_comment dtype: string - name: comment_type dtype: string - name: detected_lang dtype: string - name: prompt dtype: string splits: - name: train num_bytes: 2407789704.2718854 num_examples: 112376 download_size: 140698814 dataset_size: 2407789704.2718854 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 名称：file_id，数据类型：字符串 - 名称：content，数据类型：字符串 - 名称：repo，数据类型：字符串 - 名称：path，数据类型：字符串 - 名称：Token (Token) 长度，数据类型：64位整数 - 名称：original_comment，数据类型：字符串 - 名称：comment_type，数据类型：字符串 - 名称：detected_lang，数据类型：字符串 - 名称：prompt，数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节大小：2407789704.2718854，样本数量：112376 下载大小：140698814 数据集总大小：2407789704.2718854 配置项： - 配置名称：default（默认配置），数据文件： - 对应划分：train（训练集），路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• file_id: 数据类型为字符串。
• content: 数据类型为字符串。
• repo: 数据类型为字符串。
• path: 数据类型为字符串。
• token_length: 数据类型为int64。
• original_comment: 数据类型为字符串。
• comment_type: 数据类型为字符串。
• detected_lang: 数据类型为字符串。
• prompt: 数据类型为字符串。

数据集分割

• train:
  • 示例数量: 112376
  • 数据大小: 2407789704.2718854 字节

数据集大小

• 下载大小: 140698814 字节
• 数据集总大小: 2407789704.2718854 字节

配置

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