donut base finetuned docvqa

提供商Xenova
分类document-question-answering
许可证Apache-2.0
下载量1.6K
星标0

简介

Donut-base-finetuned-docvqa 是一款专注于文档问答(DocVQA)的轻量级 OCR-free 模型。与传统需要先跑 OCR 识别文字再交给 LLM 处理的流水线不同,它采用端到端架构,直接从图像像素中提取答案,极大地简化了开发链路并降低了推理延迟。该模型非常适合需要快速从票据、表单或扫描件中提取特定信息的场景。对于开发者而言,它上手门槛低,无需配置复杂的 OCR 引擎,是构建轻量级文档分析工具的理想选择。

核心亮点

  • 端到端识别,无需依赖外部 OCR 插件
  • 专注于文档问答,精准提取图像内关键信息
  • 推理链路短,部署成本低且响应速度快
  • 采用 Apache-2.0 协议,企业级应用无压力

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("Xenova/donut-base-finetuned-docvqa")
tokenizer = AutoTokenizer.from_pretrained("Xenova/donut-base-finetuned-docvqa")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引:在下载前,请先通过如下命令安装 huggingface_hub:

操作指引
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库
huggingface-cli download Xenova/donut-base-finetuned-docvqa

下载单个文件到指定本地文件夹(以下载 config.json 到当前路径下 ./dir 目录为例)

下载单个文件到指定本地文件夹(以下载 config.json 到当前路径下 ./dir 目录为例)
huggingface-cli download Xenova/donut-base-finetuned-docvqa config.json --local-dir ./dir

更多命令行下载选项,可参见官方文档

SDK 下载

SDK 下载
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('Xenova/donut-base-finetuned-docvqa')

Git 下载

请确保 lfs 已经被正确安装

Git 下载
git lfs install
git clone https://huggingface.co/Xenova/donut-base-finetuned-docvqa

如果您希望跳过 lfs 大文件下载,可以使用如下命令

跳过 LFS
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/Xenova/donut-base-finetuned-docvqa

模型文件托管在 Hugging Face Hub,使用 HF CLI / SDK / Git 直接下载,不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers
pip install -U transformers torch

模型加载和推理

模型加载和推理
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('Xenova/donut-base-finetuned-docvqa')
tokenizer = AutoTokenizer.from_pretrained('Xenova/donut-base-finetuned-docvqa')

模型下载

我们推荐使用命令行或者 ModelScope SDK 来进行模型的下载。

操作指引:在下载前,请先通过如下命令安装 ModelScope:

操作指引
pip install modelscope

命令行下载

下载完整模型库

下载完整模型库
modelscope download --model Xenova/donut-base-finetuned-docvqa

下载单个文件到指定本地文件夹(以下载 README.md 到当前路径下 dir 目录为例)

下载单个文件到指定本地文件夹(以下载 README.md 到当前路径下 dir 目录为例)
modelscope download --model Xenova/donut-base-finetuned-docvqa README.md --local_dir ./dir

更多更丰富的命令行下载选项,可参见具体文档

SDK 下载

SDK 下载
# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('Xenova/donut-base-finetuned-docvqa')

Git 下载

请确保 lfs 已经被正确安装

Git 下载
git lfs install
git clone https://www.modelscope.cn/Xenova/donut-base-finetuned-docvqa.git

如果您希望跳过 lfs 大文件下载,可以使用如下命令

跳过 LFS
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/Xenova/donut-base-finetuned-docvqa.git

ModelScope 模型页直接下载模型文件;无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

下载并安装 ModelScope library
pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

模型加载和推理
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'Xenova/donut-base-finetuned-docvqa')

完整文档

来源: HuggingFace

---
base_model: naver-clova-ix/donut-base-finetuned-docvqa
library_name: transformers.js
pipeline_tag: document-question-answering
tags:

  • donut

  • image-to-text

  • vision

  • donut-swin

---

https://huggingface.co/naver-clova-ix/donut-base-finetuned-docvqa with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

bash
npm i @huggingface/transformers

Example: Answer questions about a document with Xenova/donut-base-finetuned-docvqa.

js
import { pipeline } from '@huggingface/transformers';

// Create a document question answering pipeline
const qa_pipeline = await pipeline('document-question-answering', 'Xenova/donut-base-finetuned-docvqa');

// Generate an answer for a given image and question
const image = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/invoice.png';
const question = 'What is the invoice number?';
const output = await qa_pipeline(image, question);
// [{ answer: 'us-001' }]

Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).