tuandunghcmut/VSearch_Benchmark_All

---
dataset_info:
features:
- name: split
dtype: string
- name: captions
sequence: string
- name: file_path
dtype: string
- name: processed_tokens
sequence:
sequence: string
- name: id
dtype: int64
- name: image
dtype: image
- name: height
dtype: int64
- name: width
dtype: int64
- name: dataset_name
dtype: string
splits:
- name: train
num_bytes: 1064079700.875
num_examples: 115233
download_size: 1009765719
dataset_size: 1064079700.875
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：split（数据集划分），数据类型：字符串
- 字段名：captions（图像描述文本），数据类型：字符串序列
- 字段名：file_path（文件路径），数据类型：字符串
- 字段名：processed_tokens（经过处理的Token序列），数据类型：字符串序列的序列
- 字段名：id（样本标识符），数据类型：64位整数
- 字段名：image（图像数据），数据类型：图像
- 字段名：height（图像高度），数据类型：64位整数
- 字段名：width（图像宽度），数据类型：64位整数
- 字段名：dataset_name（数据集名称），数据类型：字符串
数据集划分列表：
- 划分名称：train（训练集），占用字节数：1064079700.875，样本数量：115233
下载大小：1009765719 字节
数据集总存储大小：1064079700.875 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 数据集划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• split: 数据类型为字符串（string）。
• captions: 数据类型为字符串序列（sequence: string）。
• file_path: 数据类型为字符串（string）。
• processed_tokens: 数据类型为字符串序列的序列（sequence: sequence: string）。
• id: 数据类型为64位整数（int64）。
• image: 数据类型为图像（image）。
• height: 数据类型为64位整数（int64）。
• width: 数据类型为64位整数（int64）。
• dataset_name: 数据类型为字符串（string）。

数据集分割

• train: 包含115233个样本，占用空间为1064079700.875字节。

数据集大小

• 下载大小: 1009765719字节。
• 数据集大小: 1064079700.875字节。

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*