Датасет · HuggingFaceM4

50 наборов image-text для обучения VLM

HuggingFaceM4/the_cauldron

Сборник из 50 тренировочных vision-language датасетов, использованных для fine-tuning Idefics2.

Что внутри

The Cauldron — большая коллекция из 50 наборов vision-language данных, только training sets, применённых при fine-tuning модели Idefics2. Данные включают изображения и текст; размер — от 1M до 10M примеров. Загружаются через datasets, например load_dataset("HuggingFaceM4/the_cauldron", "ai2d").

Что можно сделать

Fine-tuning vision-language модели вроде Idefics2
Проверка VLM на разных типах image-text задач
Сборка собственного микса для обучения мультимодальной модели

Размер: 1M–10M записей
Скачиваний за месяц: 287,1 тыс.
Лайков: 574

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("HuggingFaceM4/the_cauldron")

Открыть на Hugging Face