Command Palette
Search for a command to run...
LCC_python : Un Vaste Ensemble De Données De Code Python
LCC_python est un jeu de données de code Python publié par Microsoft en 2023, issu du projet Large Code Corpus (LCC), visant à fournir un corpus de code de haute qualité pour des tâches telles que la génération de code, l'auto-complétion de code et la compréhension de code.
Ce jeu de données contient 120 000 échantillons de code Python, provenant de grandes bases de code open source, et est divisé en ensembles d'entraînement, de validation et de test. Chaque échantillon comprend principalement le contexte du code et le fragment de code cible correspondant, pouvant être utilisés pour l'apprentissage supervisé et le pré-entraînement des modèles liés au code.
Composition du jeu de données
Le jeu de données comprend les trois parties suivantes :
- Ensemble d'entraînement (train) : 100 000 échantillons, environ 1,76 Go.
- Ensemble de validation (validation) : 10 000 échantillons, environ 146 Mo.
- Ensemble de test (test) : 10 000 échantillons, environ 149 Mo.
Chaque échantillon comprend principalement les champs suivants :
- context : informations sur le contexte du code.
- gt : Ground Truth, c'est-à-dire le code cible ou l'étiquette.
Créer de l'IA avec l'IA
De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.