训练数据集

[ofa-sys]

训练数据集

[diyiiyiii]

谢谢啦！

[yangapku]

您好，关于您关心的数据集相关问题，我们在技术报告论文中已经给出了比较详尽的说明哈。论文链接：https://arxiv.org/pdf/2211.01335.pdf

[ywdong]

想问一下这2亿对的图片pair对可以提供下载链接吗？

[yangapku]

@ywdong 您好，感谢您对我们工作的关注！目前我们暂时还不提供2亿图片直接打包下载的方式，这部分数据主体（~1.8亿）是Wukong和LAION-5B中文部分两个公开数据集组成，都已经是可根据图片url公开下载的，推荐使用LAION官方人员提供的img2dataset开源工具下载即可，我们也是使用了这个工具，效率很高。直接将这些图片打包提供，可能也会涉及原数据集和原始图片的版权问题。希望理解~

[liaoxijuneu]

你好，感谢分享开源中文模型。想问下wukong和VG数据应用细节：1、wukong数据把训练集和测试集数据都加入训练了吗？ 2、VG数据的应用方式是把box对应的区域&文本作为输入，还是整图&文本作为数据？

[yangapku]

@liaoxijuneu 您好，感谢对于我们工作的认可！关于Wukong数据，我们只使用了训练集，没有加入其测试集。关于VG机翻数据，我们是将一张图的区域描述文本（机翻版本）拼接在一起，与整图作为一个图文对。VG这部分数据量级，相比于Wukong和LAION两个来源比例是非常小的。