简介

这是一个基于 LayoutLMv2 预训练模型并针对 DocVQA（文档视觉问答）任务微调的轻量化版本。与纯文本模型不同，它能同时理解文档的文字内容、布局位置和视觉特征，非常适合处理发票、表单、报告等具有复杂排版结构的 PDF 或扫描件。对于开发者来说，它解决了传统 OCR 提取后丢失空间结构导致无法精准问答的痛点，上手难度中等，可作为构建企业级智能文档分析流水线（IDP）的核心组件，配合 OCR 引擎使用效果最佳。

核心亮点

多模态理解：同步处理文本、布局与图像信息
专注文档问答：精准提取结构化文档中的关键信息
工业级场景：适用于发票、合同等复杂表单解析
开源生态：基于主流 LayoutLMv2，易于部署集成

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("tiennvcs/layoutlmv2-base-uncased-finetuned-docvqa")
tokenizer = AutoTokenizer.from_pretrained("tiennvcs/layoutlmv2-base-uncased-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

huggingface-cli download tiennvcs/layoutlmv2-base-uncased-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）

huggingface-cli download tiennvcs/layoutlmv2-base-uncased-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

# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('tiennvcs/layoutlmv2-base-uncased-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/tiennvcs/layoutlmv2-base-uncased-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/tiennvcs/layoutlmv2-base-uncased-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

pip install -U transformers torch

模型加载和推理

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('tiennvcs/layoutlmv2-base-uncased-finetuned-docvqa')
tokenizer = AutoTokenizer.from_pretrained('tiennvcs/layoutlmv2-base-uncased-finetuned-docvqa')

完整文档

来源: HuggingFace

---
license: cc-by-sa-4.0
tags:

generated_from_trainer

model-index:

name: layoutlmv2-base-uncased-finetuned-docvqa

results: []
---