Starkan/OCRT

---
dataset_info:
features:
- name: image_input
sequence:
sequence:
sequence: float32
- name: text_input
sequence: int64
- name: _parse
struct:
- name: num_pages
dtype: int64
- name: page_indices
sequence: int64
- name: page_text
sequence:
sequence: string
- name: text_target
sequence: int64
splits:
- name: train
num_bytes: 19008551.25
num_examples: 6
- name: test
num_bytes: 6336183.75
num_examples: 2
download_size: 907924
dataset_size: 25344735.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 字段名称：图像输入（image_input），数据格式为三级嵌套序列，即序列的序列的序列，元素类型为单精度浮点数（float32）
- 字段名称：文本输入（text_input），数据格式为序列，元素类型为64位整型（int64）
- 字段名称：_parse，数据格式为结构体：
- 字段名称：num_pages，数据类型为64位整型（int64）
- 字段名称：page_indices，数据格式为序列，元素类型为64位整型（int64）
- 字段名称：page_text，数据格式为二级嵌套序列，即序列的序列，元素类型为字符串（string）
- 字段名称：文本目标（text_target），数据格式为序列，元素类型为64位整型（int64）
数据划分：
- 划分名称：训练集（train），字节占用量：19008551.25，样本数量：6
- 划分名称：测试集（test），字节占用量：6336183.75，样本数量：2
下载大小：907924
数据集总大小：25344735.0
配置：
- 配置名称：默认配置（default），数据文件：
- 数据划分：训练集（train），路径：data/train-*
- 数据划分：测试集（test），路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• image_input: 数据类型为float32。
• text_input: 数据类型为int64。
• _parse: 结构化数据，包含以下字段：
  • num_pages: 数据类型为int64。
  • page_indices: 数据类型为int64。
  • page_text: 数据类型为string。
• text_target: 数据类型为int64。

数据集划分

• train: 包含6个样本，总大小为19008551.25字节。
• test: 包含2个样本，总大小为6336183.75字节。

数据集大小

• 下载大小: 907924字节。
• 数据集总大小: 25344735.0字节。

数据文件配置

• default配置下，数据文件路径如下：
  • train: data/train-*
  • test: data/test-*