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。
把 SolverForge 的一个投资组合优化问题做成 Docker 应用,可以在浏览器里打开,也可以在自己的机器上构建。适合想了解金融求解器演示的人。
Portfolio Optimization (Python) 是一款工具包,属于财务类,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 blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python cd portfolio-optimization-python
这个 Space 里是 SolverForge 的一个投资组合优化问题,用 Python 写成,打包成 Docker 应用。你可以在浏览器里打开它,什么都不用安装。仓库里还有源码、一个静态文件夹、测试和日志配置,所以你可以构建自己的副本。
它适合想看看投资组合优化问题实际运行的人,也适合想读一个 Docker 加 Python 项目的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 金融 | 分析师和学生 | 打开托管应用,看投资组合优化问题实际运行 | 看看一个求解器演示是怎么呈现的 |
| 软件 | Python 开发者 | 阅读一个求解器项目的源码、测试和 Dockerfile | 复制这个项目的结构做自己的演示 |
| 教育 | 优化课程的老师 | 把运行中的演示当作课堂例子 | 在共享屏幕上展示这个演示 |
如果你需要一个管理真实投资组合的工具,可以跳过它,因为它的来源只把它称为一个问题演示。
| 使用场景 | 谁用 | 能得到什么 |
|---|---|---|
| 试用演示 | 任何人 | 浏览器里运行的投资组合优化应用 |
| 阅读项目 | 开发者 | 源码、测试、Dockerfile 和日志配置 |
| 运行私有副本 | 开发者 | 一个监听 8080 端口的容器 |
使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。
pip install -U huggingface_hub hf download blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python cd portfolio-optimization-python docker build -t portfolio-optimization-python . docker run -it -p 8080:8080 portfolio-optimization-python
在线使用时,打开 Space 页面。在自己的电脑上,运行上面最后两条命令,然后在浏览器里打开 8080 端口。仓库对应用的操作说得不多,所以请直接看页面本身。
| 工具 | 作用 |
|---|---|
| docker build | 用文件夹里的 Dockerfile 构建镜像 |
| docker run | 启动容器并映射 8080 端口 |
| src | 存放源码 |
| tests | 存放项目的测试 |
你下载这个 Space,构建镜像,并映射 8080 端口运行它。然后在浏览器里打开那个端口,投资组合优化演示就会从你自己的机器上加载出来。
如果你是新手,先打开托管页面。它什么都不用安装,你可以看看这个问题是怎么展示的。之后再试本地构建。
如果你熟悉这个领域,这是一个 8080 端口的 Docker Space,src 里有 Python 代码,另有 pyproject.toml、一个静态文件夹、一个 logging.conf 和一个测试文件夹。它运行在 cpu-basic 硬件上。仓库没有描述求解器的模型或约束。
README 只有一行,所以问题本身的细节没有在那里记录。
把 SolverForge 的一个投资组合优化问题做成 Docker 应用,可以在浏览器里打开,也可以在自己的机器上构建。适合想了解金融求解器演示的人。
由 blackopsrepl 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 里是 SolverForge 的一个投资组合优化问题,用 Python 写成,打包成 Docker 应用。你可以在浏览器里打开它,什么都不用安装。仓库里还有源码、一个静态文件夹、测试和日志配置,所以你可以构建自己的副本。
适合谁:它适合想看看投资组合优化问题实际运行的人,也适合想读一个 Docker 加 Python 项目的开发者。
行业 | 谁在用 | 怎么用 | 例子
金融 | 分析师和学生 | 打开托管应用,看投资组合优化问题实际运行 | 看看一个求解器演示是怎么呈现的
软件 | Python 开发者 | 阅读一个求解器项目的源码、测试和 Dockerfile | 复制这个项目的结构做自己的演示
教育 | 优化课程的老师 | 把运行中的演示当作课堂例子 | 在共享屏幕上展示这个演示
如果你需要一个管理真实投资组合的工具,可以跳过它,因为它的来源只把它称为一个问题演示。
用在哪里:
使用场景 | 谁用 | 能得到什么
试用演示 | 任何人 | 浏览器里运行的投资组合优化应用
阅读项目 | 开发者 | 源码、测试、Dockerfile 和日志配置
运行私有副本 | 开发者 | 一个监听 8080 端口的容器
如何设置:使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。
pip install -U huggingface_hub
hf download blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python
cd portfolio-optimization-python
docker build -t portfolio-optimization-python .
docker run -it -p 8080:8080 portfolio-optimization-python
如何使用:在线使用时,打开 Space 页面。在自己的电脑上,运行上面最后两条命令,然后在浏览器里打开 8080 端口。仓库对应用的操作说得不多,所以请直接看页面本身。
工具 | 作用
docker build | 用文件夹里的 Dockerfile 构建镜像
docker run | 启动容器并映射 8080 端口
src | 存放源码
tests | 存放项目的测试
示例:你下载这个 Space,构建镜像,并映射 8080 端口运行它。然后在浏览器里打开那个端口,投资组合优化演示就会从你自己的机器上加载出来。
新手与专家:如果你是新手,先打开托管页面。它什么都不用安装,你可以看看这个问题是怎么展示的。之后再试本地构建。
如果你熟悉这个领域,这是一个 8080 端口的 Docker Space,src 里有 Python 代码,另有 pyproject.toml、一个静态文件夹、一个 logging.conf 和一个测试文件夹。它运行在 cpu-basic 硬件上。仓库没有描述求解器的模型或约束。
打开 Space 或构建镜像
Docker 容器在 8080 端口启动
你在浏览器里打开应用
注意事项:README 只有一行,所以问题本身的细节没有在那里记录。
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 4 KB
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。
NeoQuasar · 工具包
用一个 4.1M 参数、基于 45 多家交易所数据训练的基础模型来预测金融 K 线序列。适合想用小模型做价格预测实验的量化研究人员和开发者。
一个 n8n 工作流:发票逾期 7、14、30 天时,各发一条希伯来语 WhatsApp 提醒。它每天早上从 Google 表格读出未付款的发票,消息发出后给对应的行做标记。
一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹,把每个新文件交给 LlamaParse 读取,再由 OpenAI 模型取出明细行,Airtable 里得到一条发票记录和每个明细行各一条记录。