OpenMol/LPM-24_caption-MMChat

--- dataset_info: features: - name: molecules struct: - name: smiles sequence: string - name: messages list: - name: content dtype: string - name: role dtype: string splits: - name: train num_bytes: 87113554 num_examples: 160560 - name: test num_bytes: 6586980 num_examples: 21942 download_size: 13093198 dataset_size: 93700534 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* ---数据集信息： 特征项： - 分子（molecules）：结构体类型，包含字段： - 简化分子线性输入规范（SMILES）序列：字符串序列类型 - 消息列表（messages）：列表类型，列表元素为包含以下字段的结构体： - 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87113554，样本总数160560 - 测试集（test）：占用字节数6586980，样本总数21942 下载大小：13093198字节，数据集总大小：93700534字节 配置项： - 默认配置（default）：对应数据文件路径如下： - 训练集：data/train-* - 测试集：data/test-*

原始信息汇总

数据集概述

数据集特征

• molecules
  • smiles: 字符串序列
• messages
  • content: 字符串类型
  • role: 字符串类型

数据集分割

• train
  • 大小: 87113554 字节
  • 示例数量: 160560
• test
  • 大小: 6586980 字节
  • 示例数量: 21942

数据集大小

• 下载大小: 13093198 字节
• 总大小: 93700534 字节

数据文件配置

• config_name: default
• 数据文件路径
  • 训练数据: data/train-*
  • 测试数据: data/test-*