数据集:
codeparrot/codeparrot-clean-valid
训练集拆分为 CodeParrot ? Dataset Cleaned 条数据。
DatasetDict({ train: Dataset({ features: ['repo_name', 'path', 'copies', 'size', 'content', 'license', 'hash', 'line_mean', 'line_max', 'alpha_frac', 'autogenerated'], num_rows: 61373 }) })