nreHieW/SD-Prompts

该数据集是多个子数据集的合集，包括FredZhang7/stable-diffusion-prompts-2.47M、laion/dalle-3-dataset等。数据集的特征包括prompt和source，均为字符串类型。训练集包含7,331,040个样本，文件大小为1,203,940,244.4386747字节。README还提供了数据过滤和去重的代码示例。

原始信息汇总

数据集概述

许可证

• 许可证类型：Apache 2.0

数据集信息

• 特征：
  • prompt：字符串类型
  • source：字符串类型
• 拆分：
  • train：
    • 字节数：1203940244.4386747
    • 样本数：7331040
• 下载大小：559938627
• 数据集大小：1203940244.4386747

配置

• 配置名称：default
• 数据文件：
  • train：data/train-*

数据集组成

• 包含以下数据集的编译：
  • FredZhang7/stable-diffusion-prompts-2.47M
  • laion/dalle-3-dataset
  • Multimodal-Fatima/COCO_captions_train
  • recastai/LAION-art-EN-improved-captions
  • succinctly/midjourney-prompts
  • Geonmo/midjourney-prompts-only
  • daspartho/stable-diffusion-prompts

数据处理

• 过滤：
  • 过滤条件：prompt 单词数在 3 到 150 之间，且大写字母数少于 10 个。
• 去重：
  • 使用集合存储已见过的 prompt，过滤重复项。