Hugging Face Transformers:预训练模型的通用库
Hugging Face Transformers 是让整个 AI 生态系统对每个开发者都可访问的库。 graph LR subgraph 抽象层 A1[pipeline()\n高阶 API] --> A2[AutoModel\n自动模型选择] A2 --> A3[特定模型 …
Hugging Face Transformers 是让整个 AI 生态系统对每个开发者都可访问的库。 graph LR subgraph 抽象层 A1[pipeline()\n高阶 API] --> A2[AutoModel\n自动模型选择] A2 --> A3[特定模型 …
Flash Linear Attention 通过提供线性复杂度替代方案,使 Transformer 模型能够处理比以前长数个数量级的序列。 graph LR subgraph 标准注意力 O(n^2) A1[Q: n x d] --> A2[K^T: d x n] A2 …
ColossalAI 提供从单一 GPU 到数千个 GPU 扩展训练所需的并行原语。 graph TD A[模型 + 数据] --> B{并行策略} B --> C[数据并行\n跨设备批次分割] B --> D[张量并行\n层内操作分割] B --> E[流水线并行 …
PDF 文档仍然是知识传播最常见的格式之一,然而它们也是最难以程序化处理的格式。跨页面的表格、多栏布局、数学方程式、页眉和页脚都共同导致了简单提取工具的失败。Marker 以深度学习方法应对这一挑战,像人类读者一样理解文档结构——通过识别视觉布局模式,而不仅仅是遵循文本顺序。
在移动和边缘设备上运行深度学习模型面临独特挑战:有限的计算能力、受限的内存、电池敏感度以及多样的硬件架构。MNN(Mobile Neural Network)是阿里巴巴对这些挑战的回应,这是一款轻量级推理引擎,以最小的开销和最大的性能将 AI 带到边缘。
LayoutParser 是为了终结文档处理混乱而建立的开源深度学习工具包。它提供了用于文档图像分析任务的统一接口,包括布局检测、OCR 集成和视觉信息提取。 仓库:github.com/Layout-Parser/layout-parser 核心功能 功能 描述 后端选项 布局检测 检测 …