EdwardXJ/concat-debug-levels-scale

--- dataset_info: features: - name: image dtype: image - name: sample_id dtype: string - name: ocr_bboxes struct: - name: paragraph sequence: 'null' - name: sentence sequence: 'null' - name: word sequence: sequence: float64 - name: ocr_predictions struct: - name: paragraph sequence: 'null' - name: sentence sequence: 'null' - name: word sequence: string splits: - name: train num_bytes: 16269016294.8 num_examples: 76413 - name: val num_bytes: 2718906805.0 num_examples: 13224 - name: test num_bytes: 173358778.0 num_examples: 150 download_size: 19106160634 dataset_size: 19161281877.8 configs: - config_name: default data_files: - split: train path: data/train-* - split: val path: data/val-* - split: test path: data/test-* ---

原始信息汇总

数据集概述

数据集特征

• image：图像数据类型。
• sample_id：字符串数据类型，用于标识样本。
• ocr_bboxes：结构化数据，包含以下子特征：
  • paragraph：序列类型为空。
  • sentence：序列类型为空。
  • word：序列类型为浮点数64。
• ocr_predictions：结构化数据，包含以下子特征：
  • paragraph：序列类型为空。
  • sentence：序列类型为空。
  • word：序列类型为字符串。

数据集划分

• train：包含76413个样本，占用16269016294.8字节。
• val：包含13224个样本，占用2718906805.0字节。
• test：包含150个样本，占用173358778.0字节。

数据集大小

• 下载大小：19106160634字节。
• 数据集总大小：19161281877.8字节。

数据文件配置

• default配置：
  • train：路径为data/train-*。
  • val：路径为data/val-*。
  • test：路径为data/test-*。