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。
展示 Vision Transformer 如何把注意力放在图像的各个部分,是一个在浏览器里运行的静态网页。它是 transformers.js 示例项目之一。
Attention Visualization 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 webml-community/attention-visualization --repo-type space --local-dir attention-visualization cd attention-visualization
这个 Space 是对 Vision Transformer 注意力的可视化,这类图像模型会把图片切成小块来处理。它是一个静态网页,只要有浏览器就够了,什么都不用装。这个项目属于 transformers.js 示例。
适合想看视觉模型读图时看向哪里的学生和开发者。老师可以用这个页面,把注意力这个概念讲得更直观。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 教育 | 老师和学生 | 展示图像模型里的注意力是怎么工作的 | 在一堂视觉模型课上打开这个页面 |
| 机器学习 | 工程师 | 查看 Vision Transformer 关注的位置 | 用这个页面对模型建立直觉 |
| 网页开发 | 前端开发者 | 阅读一个在浏览器里跑模型的小项目 | 打开 index.html,看页面是怎么搭起来的 |
如果你不处理图像模型,可以跳过它。
| 用途 | 适合谁 | 你得到什么 |
|---|---|---|
| 查看模型的注意力 | 学生和工程师 | Vision Transformer 如何关注一张图像的可视化 |
| 研究一个浏览器演示 | 开发者 | 一个由单个页面和资源组成的小项目 |
在线使用什么都不用准备。想保留一份静态页面的副本,需要的东西很少。
pip install -U huggingface_hub hf download webml-community/attention-visualization --repo-type space --local-dir attention-visualization cd attention-visualization
项目自己的说明还给出了另一条路:从 GitHub 克隆 transformers.js 示例仓库,进入其中的 attention-visualization 文件夹,安装依赖,再启动开发服务器。
cd transformers.js-examples/attention-visualization npm i npm run dev
在线使用时,打开这个 Space 的页面,直接在里面查看可视化。开发服务器运行起来后,在浏览器里打开它在 5173 端口上的页面。
npm run dev
你打开页面,看 Vision Transformer 是怎样关注一张图像的。页面把它的注意力以可视化的形式叠在图片上。
如果你是新手,先打开这个 Space 的页面,看它显示的第一张图像。不用安装任何东西,你就能明白注意力对图像模型意味着什么。
如果你熟悉这个领域:这是把 Vision Transformer 的注意力视图做在单个静态页面里,资源都放在一个文件夹中。仓库只有 8 个文件,通读起来很容易。来源没有说明注意力是怎么算出来的。
来源给出的细节不多,所以请自己核对页面展示的内容。
展示 Vision Transformer 如何把注意力放在图像的各个部分,是一个在浏览器里运行的静态网页。它是 transformers.js 示例项目之一。
由 webml-community 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 是对 Vision Transformer 注意力的可视化,这类图像模型会把图片切成小块来处理。它是一个静态网页,只要有浏览器就够了,什么都不用装。这个项目属于 transformers.js 示例。
适合谁:适合想看视觉模型读图时看向哪里的学生和开发者。老师可以用这个页面,把注意力这个概念讲得更直观。
行业 | 谁在用 | 怎么用 | 例子
教育 | 老师和学生 | 展示图像模型里的注意力是怎么工作的 | 在一堂视觉模型课上打开这个页面
机器学习 | 工程师 | 查看 Vision Transformer 关注的位置 | 用这个页面对模型建立直觉
网页开发 | 前端开发者 | 阅读一个在浏览器里跑模型的小项目 | 打开 index.html,看页面是怎么搭起来的
如果你不处理图像模型,可以跳过它。
用在哪里:
用途 | 适合谁 | 你得到什么
查看模型的注意力 | 学生和工程师 | Vision Transformer 如何关注一张图像的可视化
研究一个浏览器演示 | 开发者 | 一个由单个页面和资源组成的小项目
如何设置:在线使用什么都不用准备。想保留一份静态页面的副本,需要的东西很少。
pip install -U huggingface_hub
hf download webml-community/attention-visualization --repo-type space --local-dir attention-visualization
cd attention-visualization
项目自己的说明还给出了另一条路:从 GitHub 克隆 transformers.js 示例仓库,进入其中的 attention-visualization 文件夹,安装依赖,再启动开发服务器。
cd transformers.js-examples/attention-visualization
npm i
npm run dev
如何使用:在线使用时,打开这个 Space 的页面,直接在里面查看可视化。开发服务器运行起来后,在浏览器里打开它在 5173 端口上的页面。
npm run dev
示例:你打开页面,看 Vision Transformer 是怎样关注一张图像的。页面把它的注意力以可视化的形式叠在图片上。
新手与专家:如果你是新手,先打开这个 Space 的页面,看它显示的第一张图像。不用安装任何东西,你就能明白注意力对图像模型意味着什么。
如果你熟悉这个领域:这是把 Vision Transformer 的注意力视图做在单个静态页面里,资源都放在一个文件夹中。仓库只有 8 个文件,通读起来很容易。来源没有说明注意力是怎么算出来的。
在浏览器里打开页面
页面加载一个 Vision Transformer
它在图像上显示注意力
你查看模型关注的位置
注意事项:来源给出的细节不多,所以请自己核对页面展示的内容。
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
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 |
|---|---|---|---|---|
| Attention Visualization 本页 | 200 | static | apache-2.0 | |
| 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 | |
| Number Tokenization Blog共有 static | 127 | static | mit | |
| Train the agent slides共有 static | 20 | static | apache-2.0 | |
| Le Tube共有 static | 5 | static | odc-by |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
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。