下载Conceptual Captions：高效可靠地获取海量图片

简介：
Conceptual Captions项目提供了一个大规模的图像-文本配对数据集。用户可以轻松下载此资源，用于训练机器学习模型识别和描述图像内容，促进计算机视觉研究的发展。 下载概念字幕数据并将来自以下位置的数据放置在指定文件夹中： - Train_GCC-training.tsv（训练分组，共3,318,333条） - Validation_GCC-1.1.0-Validation.tsv（验证拆分，共15,840条） 测试分割数据包含大约12,500个个人认可的图像标题对，并且不公开。 运行`download_data.py`脚本后，下载的图片将分别存放在training和validation文件夹中。您可以根据需要停止并继续下载过程，尽管这可能不是最佳设置，但可以充分利用连接速度。请注意，此脚本之前版本使用了不同的文件命名方案；如果您要恢复先前开始的下载，则可能会遇到重复或无法下载的网页文件。 请在完成后检查`downloaded_validation_report.tsv`中的记录，并清理那些未成功下载、仅返回网页的文件。