Command Palette
Search for a command to run...
LCC_python Großes Python-Code-Datenset
LCC_python ist ein von Microsoft im Jahr 2023 veröffentlichter Python-Code-Datensatz, der aus dem Large Code Corpus (LCC)-Projekt stammt und darauf abzielt, hochwertige Code-Korpora für Aufgaben wie Codegenerierung, Codevervollständigung und Codeverständnis bereitzustellen.
Der Datensatz umfasst 120.000 Python-Codeproben, die aus großen Open-Source-Code-Repositories stammen und in Trainings-, Validierungs- und Testdaten aufgeteilt sind. Jede Probe enthält hauptsächlich den Kontextcode und das entsprechende Ziel-Code-Segment, die für das überwachte Lernen und die Vor-Training von Code-bezogenen Modellen verwendet werden können.
Zusammensetzung des Datensatzes
Der Datensatz besteht aus den folgenden drei Teilen:
- Trainingsdaten (train): 100.000 Proben, ca. 1,76 GB.
- Validierungsdaten (validation): 10.000 Proben, ca. 146 MB.
- Testdaten (test): 10.000 Proben, ca. 149 MB.
Jede Probe enthält hauptsächlich die folgenden Felder:
- context: Kontextinformationen des Codes.
- gt: Ground Truth, d. h. der Zielcode oder das Label.
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.