Command Palette
Search for a command to run...
LCC Java 大型代码库数据集
Der LCC Java-Datensatz ist ein Java-Code-Datensatz, der im Jahr 2023 von Microsoft veröffentlicht wurde. Er stammt aus dem Large Code Corpus-Projekt (LCC) und zielt darauf ab, hochwertige Code-Korpora für Aufgaben wie Code-Verständnis, Code-Generierung und Code-Vervollständigung bereitzustellen.
Der Datensatz umfasst 120.000 Java-Codebeispiele, die aus echten Java-Quellcodes in Open-Source-Projekten stammen und in Trainings-, Validierungs- und Testsets unterteilt sind. Jedes Beispiel enthält hauptsächlich den Kontextcode und das entsprechende Ziel-Codefragment, gespeichert im JSON-Format. Der Datensatz kann für überwachtes Lernen und Sequenz-zu-Sequenz-Training (Seq2Seq) von Code-bezogenen Modellen verwendet werden.
Zusammensetzung des Datensatzes
Der Datensatz besteht aus den folgenden drei Teilen:
- Trainingsset (train): 100.000 Beispiele, ca. 1,61 GB.
- Validierungsset (validation): 10.000 Beispiele, ca. 131 MB.
- Testset (test): 10.000 Beispiele, ca. 129 MB.
Jedes Beispiel enthält hauptsächlich die folgenden Felder:
- context: Kontextcode, der dem Modell Hintergrundinformationen zum Code bereitstellt.
- gt: Ziel-Codefragment, also der Code, den das Modell vorhersagen oder generieren soll.
KI mit KI entwickeln
Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.