datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
protein-sft-uniprot
protein-sft-uniprot
단백질 연구 특화 LLM 학습을 위한 SFT(Supervised Fine-Tuning) 데이터셋입니다.
UniProt 데이터베이스와 단백질 문헌에서 추출한 Q&A 형식의 대화 데이터로 구성되어 있습니다.
Dataset Summary
Total samples
1,551,711
Unique proteins
455,613
Format
JSONL (chat messages)
Size
462MB
Sources
Source
Samples
Description
UniProtQA
1,513,126
UniProt 데이터베이스에서 구조화된 단백질 정보 추출
Protein2Text-QA
38,585
단백질 관련 문헌 기반 심화 Q&A
Question Types
Type
Samples
Example… See the full description on the dataset page: https://huggingface.co/datasets/im-sangwoon/protein-sft-uniprot.tox-antitox-proteinsThis dataset is used for finetuning protGPT2. The features are ['attention_mask', 'input_ids'], no 'labels'.After using DataCollatorForLanguageModeling and DataLoader, the features will be ['attention_mask', 'input_ids', 'labels'].