Invoices (Sparrow) 数据集 - Gitee AI

数据集描述：

• 数据集内容：包含500份发票文档，这些文档已经被注释和处理，准备好用于Donut机器学习模型的微调。

• 注释和数据准备：由Katana ML团队完成。

• Sparrow：Katana ML提供的开源数据提取解决方案。

  
  

原始数据集信息：

• 作者：Kozłowski, Marek; Weichbroth, Paweł

• 年份：2021

• 数据集名称："Samples of electronic invoices"

• 存储库：Mendeley Data

• 版本：V2

• DOI：10.17632/tnj49gpmtz.2

在datasets中使用：

from datasets import load_dataset

dataset = load_dataset("katanaml-org/invoices-donut-data-v1")

// 执行上面脚本时，请设置环境变量：

export HF_ENDPOINT=https://hf-api.gitee.com

export HF_HOME=~/.cache/gitee-ai

"Invoices (Sparrow)"数据集是一个专门用于机器学习模型微调的发票文档数据集。该数据集由Katana ML团队进行注释和准备，并使用了Sparrow这一开源解决方案进行数据提取。原始数据集的详细信息提供了数据集的作者、年份、名称、存储库、版本和DOI，有助于用户进一步查找和引用该数据集。