TIGER-Lab/OBELICS-100K

---
dataset_info:
- config_name: obelics_100k_multi
features:
- name: id
dtype: string
- name: images
list:
- name: bytes
dtype: binary
- name: path
dtype: string
- name: conversation
list:
- name: role
dtype: string
- name: content
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 427340933
num_examples: 100766
download_size: 279349976
dataset_size: 427340933
- config_name: obelics_111k
features:
- name: id
dtype: string
- name: images
list:
- name: bytes
dtype: binary
- name: path
dtype: string
- name: conversation
list:
- name: role
dtype: string
- name: content
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 401916815
num_examples: 111647
download_size: 263340341
dataset_size: 401916815
configs:
- config_name: obelics_100k_multi
data_files:
- split: train
path: obelics_100k_multi/train-*
- config_name: obelics_111k
data_files:
- split: train
path: obelics_111k/train-*
---

原始信息汇总

数据集概述

数据集配置1: obelics_100k_multi

• 特征信息:

  • id: 数据类型为字符串。
  • images: 列表类型，包含两个子特征:
    • bytes: 数据类型为二进制。
    • path: 数据类型为字符串。
  • conversation: 列表类型，包含两个子特征:
    • role: 数据类型为字符串。
    • content: 数据类型为字符串。
  • source: 数据类型为字符串。

• 数据分割:

  • train: 包含100766个样本，总大小为427340933字节。

• 下载大小: 279349976字节。

• 数据集总大小: 427340933字节。

数据集配置2: obelics_111k

• 特征信息:

  • id: 数据类型为字符串。
  • images: 列表类型，包含两个子特征:
    • bytes: 数据类型为二进制。
    • path: 数据类型为字符串。
  • conversation: 列表类型，包含两个子特征:
    • role: 数据类型为字符串。
    • content: 数据类型为字符串。
  • source: 数据类型为字符串。

• 数据分割:

  • train: 包含111647个样本，总大小为401916815字节。

• 下载大小: 263340341字节。

• 数据集总大小: 401916815字节。