Nil007/SampleDataDocVQA

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* dataset_info: features: - name: id dtype: string - name: image dtype: image - name: query struct: - name: de dtype: string - name: en dtype: string - name: es dtype: string - name: fr dtype: string - name: it dtype: string - name: answers sequence: string - name: words sequence: string - name: bounding_boxes sequence: sequence: float32 length: 4 - name: answer struct: - name: match_score dtype: float64 - name: matched_text dtype: string - name: start dtype: int64 - name: text dtype: string - name: ground_truth dtype: string splits: - name: train num_bytes: 3504131.0 num_examples: 10 - name: test num_bytes: 1444850.0 num_examples: 5 download_size: 2542845 dataset_size: 4948981.0 --- # Dataset Card for "SamleData" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)配置项： - 配置名称：default 数据文件： - 划分集：训练集（train），路径：data/train-* - 划分集：测试集（test），路径：data/test-* 数据集信息： 特征： - 字段名：id，数据类型：字符串（string） - 字段名：image，数据类型：图像（image） - 字段名：query，结构体（struct）： - 子字段：de（德语），数据类型：字符串 - 子字段：en（英语），数据类型：字符串 - 子字段：es（西班牙语），数据类型：字符串 - 子字段：fr（法语），数据类型：字符串 - 子字段：it（意大利语），数据类型：字符串 - 字段名：answers，字符串序列（sequence of string） - 字段名：words，字符串序列 - 字段名：bounding_boxes（边界框），二维32位浮点数（float32）序列，长度为4 - 字段名：answer，结构体： - 子字段：match_score（匹配分数），数据类型：64位浮点数（float64） - 子字段：matched_text（匹配文本），数据类型：字符串 - 子字段：start（起始位置），数据类型：64位整数（int64） - 子字段：text（文本），数据类型：字符串 - 字段名：ground_truth（真实标签，ground truth），数据类型：字符串 数据集划分： - 名称：训练集（train），字节数：3504131.0，样本数量：10 - 名称：测试集（test），字节数：1444850.0，样本数量：5 下载大小：2542845 数据集总大小：4948981.0 # "SamleData" 数据集卡片（Dataset Card） [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据特征

• id：字符串类型
• image：图像类型
• query：结构化数据，包含以下字段：
  • de：德语字符串
  • en：英语字符串
  • es：西班牙语字符串
  • fr：法语字符串
  • it：意大利语字符串
• answers：字符串序列
• words：字符串序列
• bounding_boxes：浮点数序列，每个序列长度为4
• answer：结构化数据，包含以下字段：
  • match_score：浮点数类型
  • matched_text：字符串类型
  • start：整数类型
  • text：字符串类型
• ground_truth：字符串类型

数据分割

• 训练集：
  • 字节数：3504131.0
  • 样本数：10
• 测试集：
  • 字节数：1444850.0
  • 样本数：5

数据集大小

• 下载大小：2542845
• 数据集大小：4948981.0