minhnguyent546/datacomp_large_vie_fasttext

---
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
list:
list: float64
- name: sha256
dtype: string
- name: lang
dtype: string
- name: lang_score
dtype: float32
splits:
- name: train
num_bytes: 3071878274
num_examples: 9451518
download_size: 2454235530
dataset_size: 3071878274
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：唯一标识符（uid），数据类型：字符串
- 字段名：资源链接（url），数据类型：字符串
- 字段名：文本内容（text），数据类型：字符串
- 字段名：原始宽度（original_width），数据类型：64位整型
- 字段名：原始高度（original_height），数据类型：64位整型
- 字段名：CLIP B/32相似度得分（clip_b32_similarity_score），数据类型：32位浮点型
- 字段名：CLIP L/14相似度得分（clip_l14_similarity_score），数据类型：32位浮点型
- 字段名：人脸边界框（face_bboxes），数据类型：二维64位浮点型列表
- 字段名：SHA256哈希值（sha256），数据类型：字符串
- 字段名：语言标识（lang），数据类型：字符串
- 字段名：语言置信度得分（lang_score），数据类型：32位浮点型
数据集划分：
- 划分名称：训练集（train），占用字节数：3071878274，样本数量：9451518
下载大小：2454235530
数据集总占用字节数：3071878274
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*