jp1924/KoCC3M

---
dataset_info:
features:
- name: id
dtype: int32
- name: image
dtype: image
- name: caption
dtype: string
- name: caption_ls
list: string
- name: category
dtype: string
- name: en_caption
dtype: string
splits:
- name: train
num_bytes: 204050100807.75
num_examples: 2281386
- name: validation
num_bytes: 1029547639.625
num_examples: 11155
download_size: 204206545714
dataset_size: 205079648447.375
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---
original_data from [QuoQA-NLP/KoCC3M](https://huggingface.co/datasets/QuoQA-NLP/KoCC3M)
원본 데이터가 URL로 구성되어 있어서
시간이 지날수록 디지텉 풍화가 심해짐. 보존차원에서 이미지를 다운받아 datasets로 만듬

原始信息汇总

数据集信息

特征

• id: 数据类型为 int32
• image: 数据类型为 image
• caption: 数据类型为 string
• caption_ls: 数据类型为 list 的 string
• category: 数据类型为 string
• en_caption: 数据类型为 string

数据分割

• train:
  • 字节数: 204050100807.75
  • 样本数: 2281386
• validation:
  • 字节数: 1029547639.625
  • 样本数: 11155

数据大小

• 下载大小: 204206545714
• 数据集大小: 205079648447.375

配置

• default:
  • 训练数据文件路径: data/train-*
  • 验证数据文件路径: data/validation-*