im2latex-100k

用于 OpenAI 的 image-2-latex 系统任务的预构建数据集。包括总共约 10 万个公式和图像，分为训练集、验证集和测试集。公式是从此处提供的 LaTeX 源解析的：http://www.cs.cornell.edu/projects/kddcup/datasets.html（最初来自 arXiv）每个图像都是固定大小的 PNG 图像。公式是黑色的，图像的其余部分是透明的。有关相关工具（例如标记器），请查看此存储库：https://github.com/Miffyli/im2latex-dataset 对于预先制作的评估脚本和构建的 im2latex 系统，请查看此存储库：https://github.com/harvardnlp/ im2markup formulas_im2latex.lst 中使用的换行符是 UNIX 样式的换行符 (\n)。使用其他类型的换行符读取文件会导致行数稍有错误（104563 而不是 103558），从而破坏了该数据集使用的结构。 Python 3.x 默认使用运行系统的换行符读取文件，为避免此文件必须使用 newlines="\n" 打开（例如 open("formulas_im2latex.lst", newline="\n")）。