jp1924/Laion2BMultiKoreanSubset

该数据集包含多个特征，如id、image、caption、caption_ls、category、language、height、width、nsfw、license和similarity。数据集主要用于训练，包含8,753,917个样本，总大小为583,353,284,887.375字节。数据集的下载大小为579,973,806,930字节。数据集的配置文件中指定了训练数据的路径。

The dataset contains multiple features such as id, image, caption, caption_ls, category, language, height, width, nsfw, license, and similarity. The dataset is primarily used for training and contains 8,753,917 samples with a total size of 583,353,284,887.375 bytes. The download size of the dataset is 579,973,806,930 bytes. The configuration file of the dataset specifies the path to the training data.

原始信息汇总

数据集概述

数据集信息

特征

• id: 整数类型 (int64)
• image: 图像类型 (image)
• caption: 字符串类型 (string)
• caption_ls: 字符串列表 (list: string)
• category: 字符串类型 (string)
• language: 字符串类型 (string)
• height: 整数类型 (int32)
• width: 整数类型 (int32)
• nsfw: 字符串类型 (string)
• license: 字符串类型 (string)
• similarity: 浮点数类型 (float32)

数据分割

• train:
  • 字节数: 583353284887.375
  • 样本数: 8753917

数据集大小

• 下载大小: 579973806930
• 数据集大小: 583353284887.375

配置

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