aklein4/coyo-square-10M

该数据集包含多个特征，如id、url、text、width、height、image_phash等，涵盖了文本和图像的多维度信息。数据集分为训练集、验证集和测试集，分别包含1888、105和105个样本。数据集的总大小为661801.0字节，下载大小为455281字节。

The dataset contains multiple features such as id, url, text, width, height, image_phash, etc., covering multi-dimensional information of text and images. The dataset is divided into training, validation, and test sets, containing 1888, 105, and 105 samples respectively. The total size of the dataset is 661801.0 bytes, and the download size is 455281 bytes.

原始信息汇总

数据集概述

数据集特征

• id: 整数类型
• url: 字符串类型
• text: 字符串类型
• width: 整数类型
• height: 整数类型
• image_phash: 字符串类型
• text_length: 整数类型
• word_count: 整数类型
• num_tokens_bert: 整数类型
• num_tokens_gpt: 整数类型
• num_faces: 整数类型
• clip_similarity_vitb32: 浮点数类型
• clip_similarity_vitl14: 浮点数类型
• nsfw_score_opennsfw2: 浮点数类型
• nsfw_score_gantman: 浮点数类型
• watermark_score: 浮点数类型
• aesthetic_score_laion_v2: 浮点数类型

数据集分割

• train:
  • 样本数量: 1888
  • 字节大小: 595557.8112488084
• validation:
  • 样本数量: 105
  • 字节大小: 33121.59437559581
• test:
  • 样本数量: 105
  • 字节大小: 33121.59437559581

数据集大小

• 下载大小: 455281 字节
• 数据集总大小: 661801.0 字节

配置

• 配置名称: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*