mixedbread-ai/public_ohr_v2_manual

---
dataset_info:
- config_name: corpus
features:
- name: corpus-id
dtype: string
- name: image
dtype: image
splits:
- name: train
num_bytes: 536584626.5
num_examples: 1724
download_size: 483955131
dataset_size: 536584626.5
- config_name: default
features:
- name: query-id
dtype: string
- name: corpus-id
dtype: string
- name: score
dtype: int64
splits:
- name: train
num_bytes: 111247
num_examples: 1284
download_size: 54207
dataset_size: 111247
- config_name: queries
features:
- name: query-id
dtype: string
- name: query
dtype: string
splits:
- name: train
num_bytes: 187905
num_examples: 1151
download_size: 119375
dataset_size: 187905
configs:
- config_name: corpus
data_files:
- split: train
path: corpus/train-*
- config_name: default
data_files:
- split: train
path: data/train-*
- config_name: queries
data_files:
- split: train
path: queries/train-*
---

数据集信息：
- 配置名称：corpus（语料库配置）
特征：
- 名称：corpus-id（语料库ID），数据类型（dtype）：字符串
- 名称：image（图像），数据类型（dtype）：图像
数据集划分：
- 名称：train（训练集），字节数：536584626.5，样本数量：1724
下载大小：483955131，数据集总存储大小：536584626.5
- 配置名称：default（默认配置）
特征：
- 名称：query-id（查询ID），数据类型（dtype）：字符串
- 名称：corpus-id（语料库ID），数据类型（dtype）：字符串
- 名称：score（匹配分数），数据类型（dtype）：64位整数（int64）
数据集划分：
- 名称：train（训练集），字节数：111247，样本数量：1284
下载大小：54207，数据集总存储大小：111247
- 配置名称：queries（查询集配置）
特征：
- 名称：query-id（查询ID），数据类型（dtype）：字符串
- 名称：query（查询文本），数据类型（dtype）：字符串
数据集划分：
- 名称：train（训练集），字节数：187905，样本数量：1151
下载大小：119375，数据集总存储大小：187905
配置集合：
- 配置名称：corpus（语料库配置），数据文件：
- 划分：train（训练集），文件路径：corpus/train-*
- 配置名称：default（默认配置），数据文件：
- 划分：train（训练集），文件路径：data/train-*
- 配置名称：queries（查询集配置），数据文件：
- 划分：train（训练集），文件路径：queries/train-*