Christa27/docvqa_mini_subset

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: id
dtype: string
- name: image
dtype: image
- name: query
struct:
- name: de
dtype: string
- name: en
dtype: string
- name: es
dtype: string
- name: fr
dtype: string
- name: it
dtype: string
- name: answers
sequence: string
- name: words
sequence: string
- name: bounding_boxes
sequence:
sequence: float32
length: 4
- name: answer
struct:
- name: match_score
dtype: float64
- name: matched_text
dtype: string
- name: start
dtype: int64
- name: text
dtype: string
- name: ground_truth
dtype: string
splits:
- name: train
num_bytes: 33133182.0
num_examples: 100
- name: test
num_bytes: 6103054.0
num_examples: 20
download_size: 0
dataset_size: 39236236.0
---
# Dataset Card for "docvqa_mini_subset"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 数据集拆分：训练集（train），文件路径：data/train-*
- 数据集拆分：测试集（test），文件路径：data/test-*
数据集信息：
数据特征：
- 字段名：id，数据类型：字符串
- 字段名：image，数据类型：图像
- 字段名：query，结构体：
- 字段名：de（德语），数据类型：字符串
- 字段名：en（英语），数据类型：字符串
- 字段名：es（西班牙语），数据类型：字符串
- 字段名：fr（法语），数据类型：字符串
- 字段名：it（意大利语），数据类型：字符串
- 字段名：answers，数据类型：字符串序列（候选答案集合）
- 字段名：words，数据类型：字符串序列（词汇列表）
- 字段名：bounding_boxes（边界框），数据类型：由32位浮点型组成的二维序列，固定长度为4
- 字段名：answer，结构体：
- 字段名：match_score（匹配得分），数据类型：64位浮点型
- 字段名：matched_text（匹配文本），数据类型：字符串
- 字段名：start（起始索引），数据类型：64位整型
- 字段名：text（文本内容），数据类型：字符串
- 字段名：ground_truth（基准真值），数据类型：字符串
数据集拆分：
- 拆分集名称：训练集（train），占用字节数：33133182.0，样本数量：100
- 拆分集名称：测试集（test），占用字节数：6103054.0，样本数量：20
下载总大小：0
数据集总大小：39236236.0

# 「docvqa_mini_subset」数据集卡片

[需补充更多信息](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

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • id: 字符串类型
  • image: 图像类型
  • query: 结构体类型，包含以下字段:
    • de: 德语字符串
    • en: 英语字符串
    • es: 西班牙语字符串
    • fr: 法语字符串
    • it: 意大利语字符串
  • answers: 字符串序列
  • words: 字符串序列
  • bounding_boxes: 浮点数序列，每个序列长度为4
  • answer: 结构体类型，包含以下字段:
    • match_score: 浮点数类型
    • matched_text: 字符串类型
    • start: 整数类型
    • text: 字符串类型
  • ground_truth: 字符串类型

数据集分割

• 训练集:
  • 字节数: 33133182.0
  • 样本数: 100
• 测试集:
  • 字节数: 6103054.0
  • 样本数: 20

数据集大小

• 下载大小: 0
• 数据集大小: 39236236.0