umarigan/turkish_clip_dataset_200k_300k

--- dataset_info: features: - name: SAMPLE_ID dtype: int64 - name: URL dtype: string - name: TEXT dtype: string - name: HEIGHT dtype: int64 - name: WIDTH dtype: int64 - name: LICENSE dtype: string - name: LANGUAGE dtype: string - name: NSFW dtype: string - name: similarity dtype: float64 - name: image dtype: image splits: - name: train num_bytes: 2915027197.0 num_examples: 100000 download_size: 2881727105 dataset_size: 2915027197.0 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集信息

特征

• SAMPLE_ID: 数据类型为 int64
• URL: 数据类型为 string
• TEXT: 数据类型为 string
• HEIGHT: 数据类型为 int64
• WIDTH: 数据类型为 int64
• LICENSE: 数据类型为 string
• LANGUAGE: 数据类型为 string
• NSFW: 数据类型为 string
• similarity: 数据类型为 float64
• image: 数据类型为 image

数据分割

• train: 包含 100000 个样本，占用 2915027197.0 字节

数据集大小

• 下载大小: 2881727105 字节
• 数据集大小: 2915027197.0 字节

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*