JayalekshmiGopakumar/updated_doc_laynet_for_donut_large

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: texts
sequence: string
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': financial_reports
'1': government_tenders
'2': laws_and_regulations
'3': manuals
'4': patents
'5': scientific_articles
- name: ground_truth
dtype: string
splits:
- name: train
num_bytes: 1122356806.0
num_examples: 3000
- name: test
num_bytes: 118054894.0
num_examples: 300
download_size: 1234824650
dataset_size: 1240411700.0
---
# Dataset Card for "updated_doc_laynet_for_donut_large"

[More Information needed](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

配置信息

• 默认配置 (config_name: default)
  • 训练数据 (split: train)：文件路径为 data/train-*
  • 测试数据 (split: test)：文件路径为 data/test-*

数据集特征

• 文本 (name: texts)：序列类型为字符串
• 图像 (name: image)：数据类型为图像
• 标签 (name: label)：数据类型为类别标签，具体类别包括：
  • 财务报告 (0)
  • 政府招标 (1)
  • 法律法规 (2)
  • 手册 (3)
  • 专利 (4)
  • 科学文章 (5)
• 真实值 (name: ground_truth)：数据类型为字符串

数据集分割

• 训练集 (name: train)
  • 数据量：3000个样本
  • 大小：1122356806.0字节
• 测试集 (name: test)
  • 数据量：300个样本
  • 大小：118054894.0字节

数据集大小

• 下载大小：1234824650字节
• 数据集总大小：1240411700.0字节