HyperAIHyperAI

Command Palette

Search for a command to run...

LCC_python 大規模 Python コードデータセット

日付

データセット構成

Microsoft Corporation

ライセンス

Other

LCC_python は、Microsoft により 2023 年に公開された Python コードデータセットであり、Large Code Corpus (LCC) プロジェクトに由来します。コード生成、コード補完、コード理解などのタスク向けの、高品質なコードコーパスを提供することを目的としています。

このデータセットには 120,000 件の Python コードサンプルが含まれており、大規模なオープンソースコードベースから収集され、訓練セット、検証セット、テストセットに分割されています。各サンプルは主にコンテキストコードと対応するターゲットコードスニペットを含み、コード関連モデルの教師あり学習や事前学習に利用できます。

データセットの構成

データセットは以下の3つの部分で構成されています:

  • 訓練セット(train):100,000 件のサンプル、約 1.76 GB。
  • 検証セット(validation):10,000 件のサンプル、約 146 MB。
  • テストセット(test):10,000 件のサンプル、約 149 MB。

各サンプルには主に以下のフィールドが含まれます:

  • context:コードのコンテキスト情報。
  • gt:Ground Truth(正解データ)、すなわちターゲットコードまたはラベル。

AIでAIを構築

アイデアからローンチまで — 無料のAIコーディング支援、すぐに使える環境、最高のGPU価格でAI開発を加速。

AI コーディング補助
すぐに使える GPU
最適な料金体系

HyperAI Newsletters

最新情報を購読する
北京時間 毎週月曜日の午前9時 に、その週の最新情報をメールでお届けします
メール配信サービスは MailChimp によって提供されています