Датасет · nvidia
Мультимодальный датасет Llama-Nemotron VLM
nvidia/Llama-Nemotron-VLM-Dataset-v1
Датасет NVIDIA для обучения и оценки мультимодальной модели Llama-Nemotron VLM.
Что внутри
Датасет NVIDIA для мультимодальных задач: visual question answering, image-text-to-text и image-to-text. В метаданных указан размер от 1M до 10M примеров; модальность отмечена как текст. В карточке есть журнал версий (исправления OCR-изображений и инструкций) и инструкция по загрузке примеров через Megatron Energon.
Что можно сделать
- Дообучение VLM для ответов на вопросы по изображениям
- SFT image-to-text модели
- Проверка OCR-подзадач
- Задачи
- Вопросы по картинкам, Картинка + текст, Картинка → текст
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 3,5 тыс.
- Лайков
- 172
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/Llama-Nemotron-VLM-Dataset-v1")