摘要：
1.domain包与util包； domain包的正确职责： 👉你的系统“关心的事物本身” 👉不是工具，不是 HTTP，不是数据库 👉而是：你的系统“理解世界的方式” 👉有用的实体类。 util 的正确职责（非常窄）： 工具就仅仅是工具，很少参与到系统当中，比如pdf转换base64 特征 阅读全文
posted @ 2026-01-23 11:53
asphyxiasea
阅读(1)
评论(0)
推荐(0)
摘要：
1.PPStructureV3包含了很多模型包括PP-OCRv5 PDF / 图片 → 页面结构 → 区域语义 → OCR / 表格 / 印章 → 可用文本或结构化结果 👉 PP-Structure ≠ OCR 👉 它是一个多模型调度系统 PP-Structure V3 的整体流水线（非常重要） 阅读全文
posted @ 2026-01-23 11:52
asphyxiasea
阅读(3)
评论(0)
推荐(0)
摘要：
1.本地化部署模型供后端调用的平台整体架构梳理； “模型服务平台”，根路径建议用一个“平台级、模型无关”的名字，而不是具体模型名。 2.schema自动装配； 👉schema自动装配包含创建实例； 👉所以需要缓存，对相同的提示词进行缓存schema防止以后运行久了，创建无数的schema 👉s 阅读全文
posted @ 2026-01-23 11:52
asphyxiasea
阅读(1)
评论(0)
推荐(0)
摘要：
1.paddlepaddle中各个框架分工； （1）PP-OCRv5产线级（“认字机器”） PP-OCRv5 不关心“这行字是标题还是正文”。 （2）PPStructureV3产线级 PPStructureV3包含了PP-OCRv5，并且有文件版面识别。 能力 PP-OCRv5 PPStructur 阅读全文
posted @ 2026-01-23 11:52
asphyxiasea
阅读(2)
评论(0)
推荐(0)
摘要：
1.git官方库PaddleOCR提供的几种模型库； PaddleOCR-VL - 通过 0.9B VLM 进行多语言文档解析。 该模型是专为文档解析量身定制的 SOTA 和资源高效模型，支持 109 种语言，擅长识别复杂元素（例如文本、表格、公式和图表），同时保持最小的资源消耗。 PP-OCRv5 阅读全文
posted @ 2026-01-23 11:52
asphyxiasea
阅读(5)
评论(0)
推荐(0)
摘要：
1.paddleOCR识别模型训练流程 参考文章如下： 制作rec数据集 rec是用来训练文字识别的数据集。 制作rec数据集时，需要将数据集合分为训练集和测试集： 我使用的是官方的训练集和测试集分法gen_ocr_train_val_test.py 这个文件是在PPOCRLabel本地文件处： 我 阅读全文
posted @ 2026-01-23 11:51
asphyxiasea
阅读(3)
评论(0)
推荐(0)
摘要：
1.docker服务化部署paddleocr-vl； 它由 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型组成，能够实现精准的元素识别。 paddleocr-vl是一个VLM模型，能够直接输入图像文件或者PDF文件。 由于是显卡是5090，使用sm120架构的doc 阅读全文
posted @ 2026-01-23 11:50
asphyxiasea
阅读(2)
评论(0)
推荐(0)
摘要：
1.文档识别架构思路整理 “直接把整个文件给 LLM”本来就不对 👉 Paddle 负责“看清楚”，LLM 负责“想明白” 1️⃣ LLM 的天然限制 上下文窗口有限（即便 128k 也不够 PDF / 扫描件） 成本高 注意力会被无关内容稀释 2️⃣ Paddle 更适合干的事 、LLM 更适合 阅读全文
posted @ 2026-01-23 11:49
asphyxiasea
阅读(3)
评论(0)
推荐(0)
摘要：
dify配置接口； 可以上传多个文件的配置方法如下： "files": { "type": "array", "items":{ "type": "string", "format": "binary" } } 配置单个文件的接口字段配置如下： "file": {"type": "string"," 阅读全文
posted @ 2026-01-23 11:44
asphyxiasea
阅读(5)
评论(0)
推荐(0)
浙公网安备 33010602011771号