OpenMol/MolInst_FS_125K_SMILES_1_2_MMChat

---
dataset_info:
features:
- name: id
dtype: int64
- name: molecules
struct:
- name: selfies
sequence: string
- name: smiles
sequence: string
- name: ground_truth
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 64889741
num_examples: 62192
- name: test
num_bytes: 969433
num_examples: 1000
download_size: 9573113
dataset_size: 65859174
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 标识符（id）：数据类型为64位整型（int64）
- 分子（molecules）：结构体类型，包含以下子字段：
- SELFIES（selfies）：字符串序列
- SMILES（smiles）：字符串序列
- 真实标签（ground_truth）：字符串类型
- 消息列表（messages）：列表类型，列表元素包含两个子字段：
- 内容（content）：字符串类型
- 角色（role）：字符串类型
数据集划分：
- 训练集（train）：占用字节数64889741，样本总数62192
- 测试集（test）：占用字节数969433，样本总数1000
下载大小：9573113 字节
数据集总大小：65859174 字节
配置项：
- 配置名称：default（默认配置）
数据文件路径：
- 训练集对应路径：data/train-*
- 测试集对应路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 整数类型 (int64)
• molecules: 结构化数据
  • selfies: 字符串序列
  • smiles: 字符串序列
• ground_truth: 字符串类型 (string)
• messages: 列表类型
  • content: 字符串类型 (string)
  • role: 字符串类型 (string)

数据集分割

• 训练集 (train):
  • 数据量: 62192个样本
  • 存储大小: 64889741字节
• 测试集 (test):
  • 数据量: 1000个样本
  • 存储大小: 969433字节

数据集大小

• 下载大小: 9573113字节
• 数据集总大小: 65859174字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*