/ Модель
Каталог

Характеристики

Архитектура
vision-encoder-decoder · dense
Опубликована
10 мар 2024

Ссылки

Hugging Face

donut-base-pv-aws2

Bienvenu2004
Изображение и текст → текст3 профессии

Модель vision-encoder-decoder, обученная с нуля на imagefolder для преобразования изображений в текст.

9скачиваний за 30 дней0лайковвеса обновлены10 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Bienvenu2004/donut-base-pv-aws2 — модель архитектуры vision-encoder-decoder, обученная с нуля на наборе данных imagefolder. Она принимает изображения и предназначена для задач преобразования изображений в текст. В метаданных указан формат safetensors и задача image-text-to-text.

Карточка не описывает конкретные сценарии применения, языки, размер модели, длину контекста или условия лицензии. Поэтому её специализацию и практическое качество по имеющимся сведениям определить нельзя.

Сценарии применения

  • преобразование изображения в текст

Ограничения

Карточка не сообщает о конкретных возможностях и ограничениях, данных оценки, поддерживаемых языках или лицензии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-base-pv-aws2

This model was trained from scratch on the imagefolder dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 50

Training results

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
765374b

0 моделей

    Создать бенчмарк