nhiremath/HungarianDocQA_IT_SyntheticQA

该数据集包含图像、对话、文本和Markdown格式的数据。数据集分为训练集、验证集和测试集，训练集包含82,874个样本，验证集包含10,321个样本，测试集包含10,594个样本。数据集的下载大小为7,546,127,052字节，总大小为19,800,460,066.375字节。

The dataset includes features such as images, conversations, text, and Markdown content. Specific features include: image, conversations which contain sender (from) and content (value), text, and Markdown. The dataset is divided into training (train), validation (val), and test sets, with detailed byte counts and sample numbers for each set. Additionally, the download size and total size of the dataset are provided.

原始信息汇总

数据集概述

数据集特征

• image: 图像数据
• conversations: 对话数据
  • from: 字符串类型
  • value: 字符串类型
• text: 字符串类型
• markdown: 字符串类型

数据集划分

• train: 训练集
  • 样本数量: 82874
  • 数据大小: 15731177432.75 字节
• val: 验证集
  • 样本数量: 10321
  • 数据大小: 1930829266.875 字节
• test: 测试集
  • 样本数量: 10594
  • 数据大小: 2138453366.75 字节

数据集大小

• 下载大小: 7546127052 字节
• 总数据大小: 19800460066.375 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • val: data/val-*
    • test: data/test-*