anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
让中文读者用简体中文阅读 HuggingFaceTB 团队的语言模型训练指南,图表也已翻译。这是一份非官方译文,适合构建或学习大模型的人。
The Smol Training Playbook(简体中文) 是一款工具包,属于教育类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh cd smol-training-playbook-zh
这个 Space 是 The Smol Training Playbook 的非官方简体中文译文,原文是 HuggingFaceTB 团队写的语言模型训练指南。它是一个在浏览器里阅读的静态网站,正文全文和 79 个交互图表里的文字都已翻译。内容与上游指南的某个快照对应。
训练或研究语言模型、想用自己的语言读这份指南的中文读者,也适合把指南分享给更习惯中文的同事的团队。
| 行业 | 使用者 | 使用方式 | 例子 |
|---|---|---|---|
| AI 与机器学习 | 模型训练团队 | 把指南作为中文参考资料随时打开 | 读一章并跟着看它的图表 |
| 研究 | 研究者和学生 | 借助交互图表学习训练思路 | 打开一个图表,读它的中文标签 |
| 教育 | 老师和学习小组 | 把中文版交给一个班级 | 把 Space 页面发给全班 |
| 社区 | 译者 | 检查用词选择并反馈问题 | 开一个 Discussion,写明页面小节 |
如果你能轻松读英文,可以跳过它,直接用原版指南。
这个网站可以在这些地方使用:
| Use case | Who | What they get back |
|---|---|---|
| 在线阅读指南 | 说中文的机器学习工程师 | 指南的中文全文和图表 |
| 研究图表 | 学生 | 图内文字已翻译的交互图表 |
| 反馈翻译问题 | 社区成员 | Space 上一个写明小节名的 Discussion 帖子 |
在线阅读不需要任何准备。要用本地副本,你需要这几样:
这些步骤会下载 Space,然后手动打开它的主页。
pip install -U huggingface_hub hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh cd smol-training-playbook-zh
打开 Hugging Face 上的 Space 页面,或者在浏览器里打开下载文件夹里的 index.html,像普通网页一样阅读指南。图表会随指针变化,和英文原版一样。
| Tool | What it does |
|---|---|
| hf download | 把 Space 的文件复制到你电脑上的文件夹 |
| index.html | 你在浏览器里打开的主页 |
你打开 Space 页面,滚动到某一章。正文是中文,而 loss、batch size、tokenizer 这样的关键术语按译者的选择保留英文。图表里的标签也是中文。
如果你是新手,先打开 Space 页面读第一章。不用安装任何东西。只有想离线保存文件时,本地副本才有用。
如果你熟悉这个领域:译者把代码、命令行、API 和参数名、人名、论文标题和网址保留为原文。pretraining 和 ablation 这样的术语保留英文,与中文技术圈的常见用法一致。译文源码在 app/ 里,用 astro build 构建,构建产物入库,这样 Hugging Face 就能把它当作静态网站托管。上游指南是 Docker Space,模板沿用了 Distill 的交互式写作传统。
PDF 和 LaTeX 导出,以及英文版的交互演示框架,不在译文范围内。
让中文读者用简体中文阅读 HuggingFaceTB 团队的语言模型训练指南,图表也已翻译。这是一份非官方译文,适合构建或学习大模型的人。
由 fat-pig 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个 Space 是 The Smol Training Playbook 的非官方简体中文译文,原文是 HuggingFaceTB 团队写的语言模型训练指南。它是一个在浏览器里阅读的静态网站,正文全文和 79 个交互图表里的文字都已翻译。内容与上游指南的某个快照对应。
适合谁:训练或研究语言模型、想用自己的语言读这份指南的中文读者,也适合把指南分享给更习惯中文的同事的团队。
行业 | 使用者 | 使用方式 | 例子
AI 与机器学习 | 模型训练团队 | 把指南作为中文参考资料随时打开 | 读一章并跟着看它的图表
研究 | 研究者和学生 | 借助交互图表学习训练思路 | 打开一个图表,读它的中文标签
教育 | 老师和学习小组 | 把中文版交给一个班级 | 把 Space 页面发给全班
社区 | 译者 | 检查用词选择并反馈问题 | 开一个 Discussion,写明页面小节
如果你能轻松读英文,可以跳过它,直接用原版指南。
用在哪里:这个网站可以在这些地方使用:
Use case | Who | What they get back
在线阅读指南 | 说中文的机器学习工程师 | 指南的中文全文和图表
研究图表 | 学生 | 图内文字已翻译的交互图表
反馈翻译问题 | 社区成员 | Space 上一个写明小节名的 Discussion 帖子
如何设置:在线阅读不需要任何准备。要用本地副本,你需要这几样:
这些步骤会下载 Space,然后手动打开它的主页。
pip install -U huggingface_hub
hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh
cd smol-training-playbook-zh
如何使用:打开 Hugging Face 上的 Space 页面,或者在浏览器里打开下载文件夹里的 index.html,像普通网页一样阅读指南。图表会随指针变化,和英文原版一样。
Tool | What it does
hf download | 把 Space 的文件复制到你电脑上的文件夹
index.html | 你在浏览器里打开的主页
示例:你打开 Space 页面,滚动到某一章。正文是中文,而 loss、batch size、tokenizer 这样的关键术语按译者的选择保留英文。图表里的标签也是中文。
新手与专家:如果你是新手,先打开 Space 页面读第一章。不用安装任何东西。只有想离线保存文件时,本地副本才有用。
如果你熟悉这个领域:译者把代码、命令行、API 和参数名、人名、论文标题和网址保留为原文。pretraining 和 ablation 这样的术语保留英文,与中文技术圈的常见用法一致。译文源码在 app/ 里,用 astro build 构建,构建产物入库,这样 Hugging Face 就能把它当作静态网站托管。上游指南是 Docker Space,模板沿用了 Distill 的交互式写作传统。
译者在 app/ 里编辑文章和图表文件
astro build 生成 index.html、_astro 和 data
构建产物被提交到 Space
Hugging Face 以静态网站托管它们
注意事项:PDF 和 LaTeX 导出,以及英文版的交互演示框架,不在译文范围内。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| The Smol Training Playbook(简体中文) 本页 | 1 | static | cc-by-4.0 | |
| The Ultra-Scale Playbook共有 static | 4,131 | static | apache-2.0 | |
| LLM训练终极指南 | The Ultra-Scale Playbook共有 static | 281 | static | apache-2.0 | |
| Attention Visualization共有 static | 200 | static | apache-2.0 | |
| Number Tokenization Blog共有 static | 127 | static | mit | |
| Train the agent slides共有 static | 20 | static | apache-2.0 |
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
prathoshap · 工具包
用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。
paradigma-inc · 工具包
用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。
murai-labs · 工具包
能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。