marcelomoreno26/processed-receipts

---
dataset_info:
features:
- name: ground_truth
dtype: string
- name: pixel_values
sequence:
sequence:
sequence: float32
- name: labels
sequence: int64
- name: target_sequence
dtype: string
splits:
- name: train
num_bytes: 8419528948
num_examples: 1013
- name: validation
num_bytes: 2111092299
num_examples: 254
- name: test
num_bytes: 3923067240
num_examples: 472
download_size: 2126351712
dataset_size: 14453688487
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

dataset_info:
features:
- name: 真实标签（ground_truth）
dtype: 字符串
- name: 像素值（pixel_values）
sequence:
sequence:
sequence: float32
- name: 标签（labels）
sequence: int64
- name: 目标序列（target_sequence）
dtype: 字符串
splits:
- name: 训练集（train）
num_bytes: 8419528948
num_examples: 1013
- name: 验证集（validation）
num_bytes: 2111092299
num_examples: 254
- name: 测试集（test）
num_bytes: 3923067240
num_examples: 472
download_size: 2126351712
dataset_size: 14453688487
configs:
- config_name: 默认（default）
data_files:
- split: 训练集
path: data/train-*
- split: 验证集
path: data/validation-*
- split: 测试集
path: data/test-*

原始信息汇总

数据集概述

数据集特征

• ground_truth: 数据类型为字符串。
• pixel_values: 数据类型为序列，序列内部为浮点型32位。
• labels: 数据类型为序列，序列内部为整型64位。
• target_sequence: 数据类型为字符串。

数据集分割

• 训练集 (train): 包含1013个样本，占用8419528948字节。
• 验证集 (validation): 包含254个样本，占用2111092299字节。
• 测试集 (test): 包含472个样本，占用3923067240字节。

数据集大小

• 下载大小: 2126351712字节。
• 数据集总大小: 14453688487字节。

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*