/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Опубликована
30 ноя 2023

Ссылки

Hugging Face

donut-attempt-two

lmzbonack
Изображение и текст → текст

Дообученная на базе Donut модель для преобразования изображений документов в текст.

6скачиваний за 30 дней0лайковвеса обновлены30 ноя 2023

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

lmzbonack/donut-attempt-two — дообученная модель Donut, созданная на основе naver-clova-ix/donut-base. Это модель архитектуры vision-encoder-decoder, предназначенная для преобразования изображений в текст; карточка не уточняет конкретные типы документов или сценарии применения. Модель принимает изображения и выдаёт текст, а среди файлов указан формат safetensors.

Модель может быть полезна для извлечения текста и структурированных сведений из изображений документов. В README нет подробностей о датасете, оценках качества или ограничениях; лицензия модели — MIT.

Сценарии применения

  • извлечение текста из изображений документов
  • разбор содержимого сканов документов
  • преобразование изображения документа в текст

Ограничения

README не сообщает, на каких данных и для каких типов документов модель дообучалась; качество и ограничения не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-attempt-two

This model is a fine-tuned version of naver-clova-ix/donut-base on the None 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: 3
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.0.0
  • Datasets 2.15.0
  • Tokenizers 0.14.1

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
7cca46f

0 моделей

    Создать бенчмарк