DownloadConceptualCaptions:高效可靠地下载数百万个图像

下载概念字幕数据 将来自以下位置的数据放在以下文件夹中： : Train_GCC-training.tsv训练分组（3,318,333） Validation_GCC-1.1.0-Validation.tsv验证拆分（15,840） 测试分割（〜12,500）个人认可的图像标题对不公开。 运行download_data.py 图像将位于training和validation文件夹中。 您可以停止然后继续，将下载分为多个块/线程的设置不是最佳的，但是它使我的连接最大，因此我将它们保持原样。 注意：此脚本的先前版本使用了不同的文件命名方案，但此更改已更改，如果您要恢复先前开始的下载，则会得到重复的文件。 其中许多将无法下载，而是返回网页。 这些将需要稍后清理。 downloaded_validation_report.tsv后，请查看downloaded_validation