EtashGuha/RawHungarianPDFData

该数据集包含图像、文本、markdown和html四种类型的数据。数据集仅包含一个测试集，测试集包含15,842个示例，总大小为7,328,515,453.858字节。数据集的下载大小为6,749,276,668字节。配置文件中指定了测试集数据文件的路径。

The dataset includes four types of data: images, text, markdown, and html. The dataset contains only a test set, which includes 15,842 examples with a total size of 7,328,515,453.858 bytes. The download size of the dataset is 6,749,276,668 bytes. The configuration file specifies the path to the test set data files.

原始信息汇总

数据集概述

数据集特征

• image: 图像数据，数据类型为图像。
• text: 文本数据，数据类型为字符串。
• markdown: Markdown格式文本，数据类型为字符串。
• html: HTML格式文本，数据类型为字符串。

数据集分割

• test: 测试集，包含15842个样本，总大小为7328515453.858字节。

数据集大小

• 下载大小: 6749276668字节
• 数据集总大小: 7328515453.858字节

配置

• default: 默认配置，包含测试集数据文件，路径为data/test-*。