HyperAIHyperAI

Command Palette

Search for a command to run...

LCC Java 大型代码库数据集

Datum

Organisation

Microsoft Corporation

Lizenz

Other

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.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp