数据集:

codeparrot/codeparrot-clean-train

英文

CodeParrot ? 数据集清洗(训练集)

训练集分割成 CodeParrot ? Dataset Cleaned

数据集结构

DatasetDict({
    train: Dataset({
        features: ['repo_name', 'path', 'copies', 'size', 'content', 'license', 'hash', 'line_mean', 'line_max', 'alpha_frac', 'autogenerated'],
        num_rows: 5300000
    })
})