Hindi Dataset - PA - Pretrain

kaggle2023-08-25 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/dharmikshah/hindi-dataset-pa-pretrain

下载链接

链接失效反馈

官方服务：

资源简介：

Collection of Hindi Wikipedia Articles for LLM related tasks

创建时间：

2023-08-25

Hindi Dataset - PA - FineTune

kaggle2023-10-03 更新00

damerajee/Hindi-LLaVA-CC3M-Pretrain-595K-2

该数据集包含三个主要特征：conversations、image和answer。conversations是一个列表，包含两个字段：from和value，均为字符串类型。image和answer也是字符串类型。数据集只有一个训练集（train），包含595,375个样本，总大小为197,251,992字节。下载大小为71,075,113字节。

Hugging Face2024-06-01 更新80

damerajee/Hindi-LLaVA-CC3M-Pretrain-595K-3

该数据集包含图像和对话两个主要特征。图像特征的数据类型为图像，对话特征是一个列表，包含角色和内容两个字段，数据类型均为字符串。数据集仅包含一个训练集，共有595,375个样本，总大小为6,582,572,823.5字节，下载大小为6,499,253,122字节。配置文件中指定了训练集的文件路径。

Hugging Face2024-06-01 更新40

AsphyXIA/baarat-hindi-pretrain-data

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 23230107997 num_examples: 30163093 download_size: 9483216141 dataset_size: 23230107997 c

Hugging Face2024-02-19 更新90

damerajee/Hindi-LLaVA-CC3M-Pretrain-595K

LLaVA Visual Instruct CC3M Pretrain 595K数据集是CC-3M数据集的一个子集，经过筛选以提供更平衡的概念覆盖分布。数据集包含图像和对话，对话是通过添加随机选择的指令（如“描述这张图片”）从图像-标题对中合成的。数据集还包括元数据和图像文件。数据集支持印地语和英语，主要用于大型多模态模型和聊天机器人的研究。

Hugging Face2024-05-02 更新310