ancatmara/an-gaodhal-ocr-correction

---
license: cc-by-sa-4.0
dataset_info:
features:
- name: ocr_output
dtype: string
- name: corrected_text
dtype: string
splits:
- name: train
num_bytes: 528120.2809616998
num_examples: 6438
- name: test
num_bytes: 58734.71903830025
num_examples: 716
download_size: 484606
dataset_size: 586855.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• ocr_output：数据类型为字符串。
• corrected_text：数据类型为字符串。

数据集划分

• 训练集（train）：包含6438个样本，总大小为528120.2809616998字节。
• 测试集（test）：包含716个样本，总大小为58734.71903830025字节。

数据集大小

• 下载大小：484606字节。
• 数据集总大小：586855.0字节。

配置信息

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