К содержимому
Компьютерное зрение

TR-OCR-Markdown v0.4

LoRA для DeepSeek-OCR-2

2 мин чтенияобновлено

Новая версия адаптера (v0.4) на базе unsloth/DeepSeek-OCR-2 (3,5 млрд параметров) превращает изображения турецких документов (форм, договоров, законов, чеков и таблиц) в структурированный Markdown с сохранением заголовков, списков, таблиц и формул LaTeX. Обучение велось на смеси синтетических и реальных данных. Адаптер значительно превосходит предыдущие версии на реальных сканах и цифровых PDF-документах, снижая процент ошибок (CER).

Ключевые особенности

  • Специализация на турецком: точное распознавание сложных документов и печатных материалов.
  • Форматирование в Markdown: автоматическое выделение заголовków, списков, таблиц и формул LaTeX.
  • Эффективная архитектура: LoRA-адаптер на 86 млн параметров (346 МБ) без изменения базовых визуальных кодировщиков.
  • Низкий уровень ошибок: существенное улучшение метрик (CER) на реальных тестовых наборах по сравнению с v0.3.

Что можно сделать

  • Применить в пайплайнах обработки документов для конвертации сканов законов и отчетов в чистый Markdown.
  • Распознавать чеки, накладные и счета с помощью специального промпта для текста или Markdown.
  • Оцифровывать старые книги, академические статьи и официальные бюллетени.
  • Интегрировать в локальные скрипты инференса на GPU с поддержкой bf16.

Пример

import torch
from transformers import AutoModel, AutoTokenizer
from peft import PeftModel

BASE, REPO = "unsloth/DeepSeek-OCR-2", "msbayindir/tr-ocr-markdown-deepseek-ocr2-lora-v0.4"
tok = AutoTokenizer.from_pretrained(BASE, trust_remote_code=True)
base = AutoModel.from_pretrained(BASE, trust_remote_code=True, use_safetensors=True, _attn_implementation="eager",
                                 torch_dtype=torch.bfloat16).eval().cuda()
model = PeftModel.from_pretrained(base, REPO).eval()
model = model.merge_and_unload()

md = model.infer(tok, prompt="\nFree. OCR. ", image_file="sayfa.png", output_path="/tmp/out",
                 base_size=1024, image_size=768, crop_mode=True)
print(md)
Подробнее• Базовая модель: unsloth/DeepSeek-OCR-2 (3,5 млрд параметров, Apache-2.0).
• Обучение: 1 epoch, LoRA r=16, 20,5 тыс. примеров.
• Метрики (CER): на born-digital законах упал до 0,4%, на taranmış Resmî Gazete до 25,4%.
• Ограничения: ручная проверка обязательна для юридических и официальных задач.
Обсудить Telegram 0 33

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.6 GB · готовые файлы7.8 GB
  • FP8 / INT8рекомендуемвеса 3.5 GB4.3 GB
  • 4-bitвеса 2.1 GB2.8 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 · BF16 — от RTX 5060 Ti 8GB

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

Это LoRA: вместе с базовой моделью DeepSeek-OCR-2.

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.

    # msbayindir/tr-ocr-markdown-deepseek-ocr2-lora-v0.4
    # ===== 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 unsloth/DeepSeek-OCR-2 --local-dir ~/models/DeepSeek-OCR-2
    hf download msbayindir/tr-ocr-markdown-deepseek-ocr2-lora-v0.4 --local-dir ~/models/tr-ocr-markdown-deepseek-ocr2-lora-v0.4
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DeepSeek-OCR-2
  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

unsloth/DeepSeek-OCR-2

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

  1. DeepSeek-OCR-2основа семьи
  2. DeepSeek-OCR-2
  3. tr-ocr-markdown-deepseek-ocr2-lora-v0.4

Новые посты про версии DeepSeek-OCR-2 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

msbayindir/tr-ocr-markdown-deepseek-ocr2-lora-v0.4
Автор
msbayindir
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

330

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии