/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
layoutlm · dense
Опубликована
23 сен 2023

LayoutLM-Finetuned-DocVQA

Ответы на вопросыТекст → текст9 профессий

Дообученная на DocVQA модель LayoutLM отвечает на вопросы по англоязычным документам с учётом их структуры.

13скачиваний за 30 дней7лайковвеса обновлены9 окт 2023

Бенчмарки

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

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

TusharGoel/LayoutLM-Finetuned-DocVQA — модель Tushar Goel на основе LayoutLM, дообученная на вопросах из набора DocVQA. Она предназначена для ответов на вопросы по содержимому документов с учётом текста и его расположения на странице. Модель содержит 136,7 млн параметров, использует архитектуру LayoutLMForQuestionAnswering, принимает документы и вопросы на английском языке; длина контекста — до 512 токенов.

Модель подходит для извлечения сведений из документов по запросу, например для поиска ответа на форме или странице документа. Репозиторий содержит веса PyTorch. Лицензия — MIT.

Сценарии применения

  • поиск ответа на вопрос в документе
  • извлечение реквизитов из форм по запросу
  • ответы на вопросы по страницам документов
  • поиск сведений в англоязычных документах

Ограничения

Контекст ограничен 512 токенами; карточка не приводит оценок качества или дополнительных ограничений применения.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model was trained on DocVQA Dataset questions

Code for Training and Prediction (v1): https://www.kaggle.com/tusharcode/training-layoutlm-docvqa

How to use:

from transformers import AutoTokenizer, AutoModelForDocumentQuestionAnswering
from datasets import load_dataset

model_checkpoint = "TusharGoel/LayoutLM-Finetuned-DocVQA"
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint, add_prefix_space=True)
model_predict = AutoModelForDocumentQuestionAnswering.from_pretrained(model_checkpoint)

model_predict.eval()
dataset = load_dataset("nielsr/funsd", split="train")
example = dataset[0]

question = "What's Licensee Number?"

words = example["words"]
boxes = example["bboxes"]

encoding = tokenizer(question.split(), words,
                            is_split_into_words=True, return_token_type_ids=True, return_tensors="pt")

bbox = []
for i, s, w in zip(encoding.input_ids[0], encoding.sequence_ids(0), encoding.word_ids(0)):
    if s == 1:
        bbox.append(boxes[w])
    elif i == tokenizer.sep_token_id:
        bbox.append([1000] * 4)
    else:
        bbox.append([0] * 4)
encoding["bbox"] = torch.tensor([bbox])

word_ids = encoding.word_ids(0)
outputs = model_predict(**encoding)

loss = outputs.loss
start_scores = outputs.start_logits
end_scores = outputs.end_logits

start, end = word_ids[start_scores.argmax(-1).item()], word_ids[end_scores.argmax(-1).item()]
print(" ".join(words[start : end + 1]))

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

Для архитектуры layoutlm нет загрузчика под задачу question-answering.

Класс архитектуры
LayoutLMForQuestionAnswering
Ревизия весов
e6bd80f

0 моделей