Starkan/OCRT

--- dataset_info: features: - name: image_input sequence: sequence: sequence: float32 - name: text_input sequence: int64 - name: _parse struct: - name: num_pages dtype: int64 - name: page_indices sequence: int64 - name: page_text sequence: sequence: string - name: text_target sequence: int64 splits: - name: train num_bytes: 19008551.25 num_examples: 6 - name: test num_bytes: 6336183.75 num_examples: 2 download_size: 907924 dataset_size: 25344735.0 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* ---数据集信息： 特征： - 字段名称：图像输入（image_input），数据格式为三级嵌套序列，即序列的序列的序列，元素类型为单精度浮点数（float32） - 字段名称：文本输入（text_input），数据格式为序列，元素类型为64位整型（int64） - 字段名称：_parse，数据格式为结构体： - 字段名称：num_pages，数据类型为64位整型（int64） - 字段名称：page_indices，数据格式为序列，元素类型为64位整型（int64） - 字段名称：page_text，数据格式为二级嵌套序列，即序列的序列，元素类型为字符串（string） - 字段名称：文本目标（text_target），数据格式为序列，元素类型为64位整型（int64） 数据划分： - 划分名称：训练集（train），字节占用量：19008551.25，样本数量：6 - 划分名称：测试集（test），字节占用量：6336183.75，样本数量：2 下载大小：907924 数据集总大小：25344735.0 配置： - 配置名称：默认配置（default），数据文件： - 数据划分：训练集（train），路径：data/train-* - 数据划分：测试集（test），路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• image_input: 数据类型为float32。
• text_input: 数据类型为int64。
• _parse: 结构化数据，包含以下字段：
  • num_pages: 数据类型为int64。
  • page_indices: 数据类型为int64。
  • page_text: 数据类型为string。
• text_target: 数据类型为int64。

数据集划分

• train: 包含6个样本，总大小为19008551.25字节。
• test: 包含2个样本，总大小为6336183.75字节。

数据集大小

• 下载大小: 907924字节。
• 数据集总大小: 25344735.0字节。

数据文件配置

• default配置下，数据文件路径如下：
  • train: data/train-*
  • test: data/test-*