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-*