WebSight
קוד פתוחHuggingFaceM4cc-by-4.02024-01-04
המאגר מחבר בין צילומי מסך של אתרים לקוד HTML ו־CSS שבונה אותם, עבור מי שמאמן מודל ראייה להמרת עיצובים לקוד. כל הדוגמאות בפנים נוצרו באופן סינתטי לחלוטין באמצעות מודלי שפה.
- 19,187הורדות בחודש
- 399לייקים
מה זה
המאגר כולל צילום מסך של אתר לצד הקוד שמרכיב אותו, ללא אתרים אמיתיים מהרשת. גרסה 0.1 מכילה 822,987 דוגמאות שנבנו בתהליך דו שלבי: Mistral-7B ייצר רעיונות לאתרים, ו־DeepSeek-Coder-33B כתב את ה־HTML וה־CSS הרגיל. בגרסה הזו התמונות הוחלפו במלבנים צבעוניים כדי לפשט את העיצוב.
גרסה 0.2 מרחיבה את המאגר וכוללת פי שניים דוגמאות, תמונות אמיתיות שמתאימות לקונטקסט, יותר טבלאות, ורזולוציה טובה יותר לצילומי המסך. הקוד בגרסה זו נכתב בעזרת Tailwind CSS ומצורף לו עמודה עם הרעיון המקורי שליווה את יצירת האתר. כל הנתונים מרוכזים בפיצול יחיד של train, בלי חלוקה מובנית לולידציה או בדיקה.
מתאים ל
- אימון מודל תמונה לקוד
לימוד מודלי ראייה להמיר צילום מסך או סקיצה של ממשק ישירות לקוד HTML ו־CSS תואם.
- יצירת ממשקים עם Tailwind
אימון מערכות שמפיקות רכיבי רשת מודרניים מבוססי Tailwind ישירות מתוך תמונות.
- בנצ'מרק ליצירת אתרים
מדידת הדיוק הוויזואלי של מודלים שמייצרים קוד עיצובי, לאחר הפרדה ידנית של חלק מהנתונים לבדיקה.
איפה זה נופל
הכל כאן סינתטי, פשוט וקצר, מה שאומר שהקוד לא מייצג את המורכבות של אתרי פרודקשן מודרניים. המאגר מוגבל לאנגלית בלבד, ואין בו שום תמיכה בעברית או יישור לימין. בנוסף, אין פיצול מוכן להערכה, כך שתצטרכו להפריד דוגמאות בעצמכם כדי למנוע דליפת מידע בזמן האימון. תהליך היצירה של גרסה 0.2 לא מתועד במלואו בכרטיס המאגר.
שאלות
נפוצות
האם מותר להשתמש במאגר למוצר מסחרי?
כן, הרישיון הוא CC-BY-4.0 ומאפשר שימוש מסחרי. החובה המרכזית היא מתן קרדיט מתאים, ובנוסף תנאי המאגר דורשים לציין במפורש שהשתמשתם בו אם אתם משחררים מודל או יישום שאומנו עליו.
האם יש במאגר אתרים בעברית?
לא. כל הנתונים נוצרו באנגלית בלבד לפי הגדרות המאגר, ללא תוכן מקומי או תמיכה בפריסות מימין לשמאל.
איך הנתונים נוצרו בפועל?
בגרסה 0.1 מודל Mistral-7B ייצר רעיונות למבנה האתר, ועל בסיסם מודל DeepSeek-Coder-33B כתב את קוד ה־HTML וה־CSS. לאחר מכן נלקח צילום מסך של הקוד שנוצר כדי להצמיד תמונה לכל דוגמה.
מה ההבדל בין גרסה 0.1 לגרסה 0.2?
גרסה 0.1 משתמשת ב־CSS רגיל ובמלבנים במקום תמונות. גרסה 0.2 עוברת ל־Tailwind CSS, מכילה פי שניים דוגמאות, כוללת תמונות אמיתיות, רזולוציית מסך גבוהה יותר, ויותר טבלאות.
איך טוענים
הנתונים מחולקים למאות קובצי Parquet, כאשר פיצול האימון של גרסה 0.1 לבדה פרוס על פני 71 קבצים לפחות. המאגר ציבורי לחלוטין ואין צורך לבקש אישור גישה מיוחד כדי להוריד אותו. השדות המרכזיים בכל רשומה הם images שמחזיק את התמונה ו־text שמכיל את קוד ה־HTML המלא יחד עם הסטיילינג.
from datasets import load_dataset
ds = load_dataset("HuggingFaceM4/WebSight")הרישיון
הרישיון הוא CC-BY-4.0, שמתיר שימוש מסחרי, שינוי והפצה, בתנאי שניתן קרדיט ליוצרים. עם זאת, תנאי השימוש בעמוד כוללים דרישה מפורשת לחשוף את השימוש במאגר כאשר מפרסמים מודל שאומן עליו או אפליקציה שמבוססת עליו.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס