nielsr/datacomp_small_llamav2_classified

---
dataset_info:
features:
- name: uid
dtype: string
- name: url
dtype: string
- name: text
dtype: string
- name: original_width
dtype: int64
- name: original_height
dtype: int64
- name: clip_b32_similarity_score
dtype: float32
- name: clip_l14_similarity_score
dtype: float32
- name: face_bboxes
sequence:
sequence: float64
- name: sha256
dtype: string
- name: detected_language
dtype: string
- name: prediction
dtype: string
splits:
- name: train
num_bytes: 16872545
num_examples: 50000
download_size: 12935850
dataset_size: 16872545
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "datacomp_small_llamav2_classified"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表：
  • uid: 字符串类型
  • url: 字符串类型
  • text: 字符串类型
  • original_width: 64位整数类型
  • original_height: 64位整数类型
  • clip_b32_similarity_score: 32位浮点数类型
  • clip_l14_similarity_score: 32位浮点数类型
  • face_bboxes: 嵌套的64位浮点数序列
  • sha256: 字符串类型
  • detected_language: 字符串类型
  • prediction: 字符串类型

数据分割

• 训练集：
  • 字节数：16872545
  • 样本数：50000

数据集大小

• 下载大小：12935850
• 数据集大小：16872545

配置

• 默认配置：
  • 数据文件路径：data/train-*