橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

preprocessed_commoncatalog-cc-by

SwayStar123/preprocessed_commoncatalog-cc-by

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：cc-by-4.0 上游版本：f3c9f1c6ef0c

中文简介

SwayStar123/preprocessed_commoncatalog-cc-by 是 SwayStar123 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f3c9f1c6ef0c，同步到 5576 个文件，文件元数据合计 255.45 GB；访问状态为“公开”，许可证字段为“cc-by-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 SwayStar123/preprocessed_commoncatalog-cc-by 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
SwayStar123/preprocessed_commoncatalog-cc-by 是 SwayStar123 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f3c9f1c6ef0c，同步到 5576 个文件，文件元数据合计 255.45 GB；访问状态为“公开”，许可证字段为“cc-by-4.0”。

【适用方向】
适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：f3c9f1c6ef0c。 任务标签：上游卡片所列任务。 语言字段：en。 上游页面记录的最近更新时间：2025-01-23。

【文件信息】
上游 API 返回 5576 个文件，文件元数据合计 255.45 GB。 已保存文件清单中的主要扩展名：.parquet 99 个、无扩展名 1 个。 当前较大的文件包括：192x320/part-00000-tid-1795617756756188598-99b36c7f-3bd0-4640-88a9-989c68897328-384315-1-c000.parquet（66.70 MB）；192x320/part-00000-tid-2175512367570969657-1d071fe7-282e-47a4-ad44-a7840735c090-145354-1-c000.parquet（49.97 MB）；192x320/part-00000-tid-1183917101030153833-e314f568-4a79-4698-b7fa-d919e370087d-440808-1-c000.parquet（46.78 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 255.45 GB。仅按下载、解压和临时文件估算，建议至少预留约 306.54 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

I also seperately provide just the prompts in prompts.json keys are the image_id, and the values are the captions generated Captions generated by moondream: vikhyatk/moondream2 Latents generated by SDXL VAE: madebyollin/sdxl-vae-fp16-fix Embeddings generated by SigLIP: hf-hub:timm/ViT-SO400M-14-SigLIP-384 Original dataset: common-canvas/commoncatalog-cc-by Latents f32 and embeddings are f16 bytes Compute cost: 16x3090 for 3 day. Approximately.

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：f3c9f1c6ef0c。 任务标签：上游卡片所列任务。 语言字段：en。 上游页面记录的最近更新时间：2025-01-23。

文件说明

上游 API 返回 5576 个文件，文件元数据合计 255.45 GB。 已保存文件清单中的主要扩展名：.parquet 99 个、无扩展名 1 个。 当前较大的文件包括：192x320/part-00000-tid-1795617756756188598-99b36c7f-3bd0-4640-88a9-989c68897328-384315-1-c000.parquet（66.70 MB）；192x320/part-00000-tid-2175512367570969657-1d071fe7-282e-47a4-ad44-a7840735c090-145354-1-c000.parquet（49.97 MB）；192x320/part-00000-tid-1183917101030153833-e314f568-4a79-4698-b7fa-d919e370087d-440808-1-c000.parquet（46.78 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes2.41 KB
  • 160x384/part-00000-tid-2529612224269674922-886aaa48-18bf-4e71-a1cf-5d3052f060f5-384892-1-c000.parquet33.61 KB
  • 160x384/part-00000-tid-6536873935347636966-7b25b5a4-6f41-419c-83d4-c8e00c6b11b2-454189-1-c000.parquet33.56 KB
  • 176x352/part-00000-tid-1171963468956826239-668a4508-8a60-4975-b894-0a671a4c824c-294046-1-c000.parquet226.36 KB
  • 176x352/part-00000-tid-1307023420651409076-990febf6-f08e-4869-9538-70d1981572ba-581416-1-c000.parquet505.98 KB
  • 176x352/part-00000-tid-1441824308328468731-9bcd80e6-c0b2-417e-88b6-452cc9a9def9-508487-1-c000.parquet488.57 KB
  • 176x352/part-00000-tid-1473142415485401066-7397115b-e71c-436c-9786-540df8665f56-640394-1-c000.parquet10.85 MB
  • 176x352/part-00000-tid-1554584257709500272-d1680a9c-f2d8-4c55-8c67-7fd236aad1bb-265657-1-c000.parquet6.53 MB
  • 176x352/part-00000-tid-1759083998466922761-f765c743-a5ff-40d8-b05e-ef33a6c5bc61-67838-1-c000.parquet680.63 KB
  • 176x352/part-00000-tid-1850192101673120453-da57c879-05e0-4789-8031-c833ac6819a9-93837-1-c000.parquet418.56 KB
  • 176x352/part-00000-tid-1870479181703878053-fc8ff74c-3fe6-4266-acb0-e72d72b7c9e6-215430-1-c000.parquet173.84 KB
  • 176x352/part-00000-tid-1874111727892334729-9f920891-69f1-4a70-b577-35785833b7da-494096-1-c000.parquet103.98 KB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 255.45 GB。仅按下载、解压和临时文件估算，建议至少预留约 306.54 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。