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-*