harryrobert/latex-ocr-v3

---
license: mit
configs:
- config_name: default
data_files:
- split: mlp_train
path: data/mlp_train-*
- split: full_train
path: data/full_train-*
- split: sft_train
path: data/sft_train-*
- split: dev
path: data/dev-*
- split: test
path: data/test-*
dataset_info:
features:
- name: index
dtype: int64
- name: image
struct:
- name: bytes
dtype: binary
- name: path
dtype: string
- name: label
dtype: string
splits:
- name: mlp_train
num_bytes: 3439045544
num_examples: 574490
- name: full_train
num_bytes: 1112874908
num_examples: 127108
- name: sft_train
num_bytes: 21279794
num_examples: 2416
- name: dev
num_bytes: 85008743
num_examples: 16950
- name: test
num_bytes: 83152757
num_examples: 16557
download_size: 4697443548
dataset_size: 4741361746
---

许可证：MIT许可证
配置项：
- 配置名称：default
数据文件：
- 数据集划分：mlp_train，路径：data/mlp_train-*
- 数据集划分：full_train，路径：data/full_train-*
- 数据集划分：sft_train，路径：data/sft_train-*
- 数据集划分：dev，路径：data/dev-*
- 数据集划分：test，路径：data/test-*
数据集信息：
特征字段：
- 字段名：index，数据类型：int64（64位整数）
- 字段名：image，为结构体类型，包含子字段：
- 子字段名：bytes，数据类型：二进制数据
- 子字段名：path，数据类型：字符串
- 字段名：label，数据类型：字符串
数据集划分详情：
- 划分名称：mlp_train，总字节数：3439045544，样本总数：574490
- 划分名称：full_train，总字节数：1112874908，样本总数：127108
- 划分名称：sft_train，总字节数：21279794，样本总数：2416
- 划分名称：dev，总字节数：85008743，样本总数：16950
- 划分名称：test，总字节数：83152757，样本总数：16557
整体下载大小：4697443548，数据集总存储大小：4741361746