EdwardXJ/concat-debug-levels-scale

---
dataset_info:
features:
- name: image
dtype: image
- name: sample_id
dtype: string
- name: ocr_bboxes
struct:
- name: paragraph
sequence: 'null'
- name: sentence
sequence: 'null'
- name: word
sequence:
sequence: float64
- name: ocr_predictions
struct:
- name: paragraph
sequence: 'null'
- name: sentence
sequence: 'null'
- name: word
sequence: string
splits:
- name: train
num_bytes: 16269016294.8
num_examples: 76413
- name: val
num_bytes: 2718906805.0
num_examples: 13224
- name: test
num_bytes: 173358778.0
num_examples: 150
download_size: 19106160634
dataset_size: 19161281877.8
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• image：图像数据类型。
• sample_id：字符串数据类型，用于标识样本。
• ocr_bboxes：结构化数据，包含以下子特征：
  • paragraph：序列类型为空。
  • sentence：序列类型为空。
  • word：序列类型为浮点数64。
• ocr_predictions：结构化数据，包含以下子特征：
  • paragraph：序列类型为空。
  • sentence：序列类型为空。
  • word：序列类型为字符串。

数据集划分

• train：包含76413个样本，占用16269016294.8字节。
• val：包含13224个样本，占用2718906805.0字节。
• test：包含150个样本，占用173358778.0字节。

数据集大小

• 下载大小：19106160634字节。
• 数据集总大小：19161281877.8字节。

数据文件配置

• default配置：
  • train：路径为data/train-*。
  • val：路径为data/val-*。
  • test：路径为data/test-*。