justram/atomic_subsampled_500k

该数据集包含图像及其相关的文本描述信息。每个图像条目包括图像URL、图像ID、语言、参考描述、替代文本描述、归属描述以及图像本身。数据集主要用于训练模型，以理解和生成与图像相关的文本描述。数据集分为训练集，包含484,224个示例，总大小约为7.91GB。

原始信息汇总

数据集概述

数据集特征

• image_url: 字符串类型
• image_id: 字符串类型
• language: 字符串序列
• caption_reference_description: 字符串序列
• caption_alt_text_description: 字符串序列
• caption_attribution_description: 字符串序列
• image: 图像类型

数据集分割

• train:
  • 数据量: 7911346949.235672 字节
  • 示例数量: 484224

数据集大小

• 下载大小: 7673514731 字节
• 数据集总大小: 7911346949.235672 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*