five

BLIP3o-Pretrain-Long-Caption

收藏
魔搭社区2026-01-06 更新2025-05-31 收录
下载链接:
https://modelscope.cn/datasets/BLIP3o/BLIP3o-Pretrain-Long-Caption
下载链接
链接失效反馈
官方服务:
资源简介:
## BLIP3o Pretrain Long-Caption Dataset This collection contains **27 million images**, each paired with a long (~120 token) caption generated by **Qwen/Qwen2.5-VL-7B-Instruct**. ### Download ```python from huggingface_hub import snapshot_download snapshot_download( repo_id="BLIP3o/BLIP3o-Pretrain-Long-Caption", repo_type="dataset" ) ``` ## Load Dataset without Extracting You don’t need to unpack the .tar archives, use WebDataset support in 🤗datasets instead: ``` from datasets import load_dataset import glob data_files = glob.glob("/your/data/path/*.tar") train_dataset = load_dataset( "webdataset", data_files=data_files, cache_dir="/your/hf/cache", split="train", num_proc=128 ) ``` Feel free to comment on it when you have any issues.

### BLIP3o 预训练长标题数据集 该数据集涵盖2700万张图像,每张图像均配有由**Qwen/Qwen2.5-VL-7B-Instruct**生成的长标题,单条标题约含120个Token(Token)。 #### 下载方式 可通过以下Python代码完成数据集下载: python from huggingface_hub import snapshot_download snapshot_download( repo_id="BLIP3o/BLIP3o-Pretrain-Long-Caption", repo_type="dataset" ) #### 无需解压加载数据集 无需解压.tar格式归档文件,可直接借助🤗datasets库内置的WebDataset支持完成加载: from datasets import load_dataset import glob data_files = glob.glob("/your/data/path/*.tar") train_dataset = load_dataset( "webdataset", data_files=data_files, cache_dir="/your/hf/cache", split="train", num_proc=128 ) 若您在使用过程中遇到任何问题,欢迎留言反馈。
提供机构:
maas
创建时间:
2025-05-17
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作