К содержимому
Компьютерное зрение

Nemotron-3.5-Parse-Handwriting-LoRA

распознавание рукописей, формул и досок

2 мин чтенияобновлено

Адаптер LoRA (небольшая обучаемая надстройка над весами базовой нейросети) на 26,5 млн параметров от автора Kavic для парсера документов nvidia/Nemotron-3.5-Parse. Он учит модель распознавать рукописный текст на латинице (английский, французский, немецкий), фотографии тетрадей с телефона, надписи мелом на школьных досках и переводить рукописные математические формулы в формат LaTeX. В отличие от базовой модели, которая почти не находит рукописные формулы и плохо читает доски, адаптер резко снижает процент ошибок (CER) и сохраняет фирменную разметку блоков документа. Пригодится разработчикам систем оцифровки конспектов, учебных материалов и архивов.

Ключевые особенности

  • Оптимальный баланс ×0.75: в корне репозитория лежит версия с коэффициентом применения 0.75 — она убирает зацикливания на печатном тексте, которые возникали при полной силе (папка full-strength/).
  • Формулы в LaTeX: распознаёт рукописную математику и оформляет её в стандартные блоки \( ... \) базового парсера.
  • Три языка и диакритика: обучен на английском, французском и немецком почерках, заметно сокращая ошибки в символах вроде é, ö и ß.
  • Сложные условия съёмки: справляется с реальными фото тетрадных страниц со смартфона, перспективой, тенями и белым мелом на тёмной доске.

Что можно сделать

  • Оцифровка студенческих конспектов: прогонять фотографии тетрадей в линию и клетку, получая структурированный текст с координатами блоков и готовыми формулами LaTeX.
  • Парсинг лекций со школьных досок: извлекать текст и уравнения со снимков меловых досок в аудиториях (маркерные белые доски и рисунки не поддерживаются).
  • Тонкая настройка силы эффекта: при необходимости загрузить веса из full-strength/ и масштабировать матрицы lora_B под баланс между рукописью и печатным текстом.

Пример

from peft import PeftModel
from transformers import AutoModel, AutoProcessor

base = "nvidia/Nemotron-3.5-Parse"
model = AutoModel.from_pretrained(base, trust_remote_code=True, dtype="bfloat16")
model = PeftModel.from_pretrained(model, "Kavic/nemotron-3.5-parse-handwriting-lora").merge_and_unload().to("cuda")
processor = AutoProcessor.from_pretrained(base, trust_remote_code=True)
# Промпт: 
Подробнее Метрики (база → LoRA ×0.75): CER на английском IAM 5.7 → 3.7; поиск формул MathWriting 2.5% → 41.5% (LaTeX CER 94.1 → 41.3); доски 0% → 27.3% (CER 72.1 → 41.0).
Обучение: 12 000 сгенерированных страниц (1500 шагов) на одной NVIDIA A100 40 GB за 2 ч 20 мин в bf16.
Ограничения: только некоммерческое использование (CC BY-NC-SA 4.0); на чистом печатном тексте возможен дрейф 3.4% от базы; не поддерживает маркерные доски и распознавание рисунков.
Обсудить Telegram 0 11

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 2.4 GB · готовые файлы3.2 GB
  • BF16веса 1.3 GB1.9 GB
  • FP8 / INT8рекомендуемвеса 0.7 GB1.3 GB
  • 4-bitвеса 0.4 GB1.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Nemotron-3.5-Parse.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Kavic/nemotron-3.5-parse-handwriting-lora
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download nvidia/Nemotron-3.5-Parse --local-dir ~/models/Nemotron-3.5-Parse
    hf download Kavic/nemotron-3.5-parse-handwriting-lora --local-dir ~/models/nemotron-3.5-parse-handwriting-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Nemotron-3.5-Parse
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

nvidia/Nemotron-3.5-Parse

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Nemotron-3.5-Parse — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 8Все на Hugging Face
Дообучения 6Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

Kavic/nemotron-3.5-parse-handwriting-lora
Автор
Kavic
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

110

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии