Ssunbell/boostcamp-docvqa

--- dataset_info: features: - name: questionId dtype: int64 - name: question dtype: string - name: image sequence: sequence: sequence: sequence: uint8 - name: docId dtype: int64 - name: ucsf_document_id dtype: string - name: ucsf_document_page_no dtype: string - name: answers sequence: string - name: data_split dtype: string - name: words sequence: string - name: boxes sequence: sequence: int64 splits: - name: train num_bytes: 6387690838 num_examples: 39463 - name: val num_bytes: 869953677 num_examples: 5349 download_size: 2583317804 dataset_size: 7257644515 --- # Dataset Card for "boostcamp-docvqa" [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

数据集信息

特征

• questionId: 数据类型为 int64
• question: 数据类型为 string
• image: 数据类型为 uint8 的序列嵌套序列
• docId: 数据类型为 int64
• ucsf_document_id: 数据类型为 string
• ucsf_document_page_no: 数据类型为 string
• answers: 数据类型为 string 的序列
• data_split: 数据类型为 string
• words: 数据类型为 string 的序列
• boxes: 数据类型为 int64 的序列嵌套序列

数据分割

• train: 包含 39463 个样本，占用 6387690838 字节
• val: 包含 5349 个样本，占用 869953677 字节

数据集大小

• 下载大小: 2583317804 字节
• 数据集大小: 7257644515 字节