HuggingFaceM4/DocumentVQA

该数据集包含多个字段，包括问题ID（questionId）、问题文本（question）、问题类型列表（question_types）、图像（image）、文档ID（docId）、UCSF文档ID（ucsf_document_id）、UCSF文档页码（ucsf_document_page_no）以及答案列表（answers）。数据集被分为训练集、验证集和测试集，分别包含39463、5349和5188个示例。数据集的下载大小为9591606021字节，总大小为10690986865.428999字节。

原始信息汇总

数据集概述

特征信息

• questionId: 数据类型为 int32
• question: 数据类型为 string
• question_types: 数据类型为 list 的 string
• image: 数据类型为 image
• docId: 数据类型为 int32
• ucsf_document_id: 数据类型为 string
• ucsf_document_page_no: 数据类型为 string
• answers: 数据类型为 list 的 string

数据分割

• train: 包含 39463 个样本，大小为 5658303093.631 字节
• validation: 包含 5349 个样本，大小为 2532362556.066 字节
• test: 包含 5188 个样本，大小为 2500321215.732 字节

数据集大小

• 下载大小: 9591606021 字节
• 数据集大小: 10690986865.428999 字节

配置信息

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*