- 博客(6)
- 收藏
- 关注
RSS订阅原创 olmOCR代码阅读
用于将新的工作路径（如 S3 路径）分组并添加到一个“工作队列”中。它会避免重复处理已经存在的路径，并以指定的粒度（每组多少个路径）创建新的工作项，然后将更新后的工作项列表上传回存储系统（如 S3）。取最多一百个pdf文件，计算平均页数avg_pages_per_pdf，最小为1。→ 是：解析 JSON & 构建 PageResult]→ 是：等待并重试（不计入重试次数）]→ 是：调整旋转 & 重试][构建查询请求] → 向模型服务发送请求。[是否达到最大重试次数？仅支持molmo和qwen。
2025-05-13 17:21:44
589
原创 Pandas创建联合索引并进行数据读取
方法基于标签进行索引，适用于带有明确标签的 DataFrame。假设数据存储在一个 CSV 文件中，文件名为。方法基于位置进行索引，适用于基于位置的索引。方法来访问特定单元格的数据。
2024-11-19 10:01:33
395
原创 使用pdfplumber进行表格要素提取
pdfplumber是一个用于处理 PDF 文件的 Python 库，特别擅长从 PDF 文件中提取文本和表格数据。它提供了一种简单而强大的接口，让开发者能够轻松地解析和理解 PDF 内容，而无需深入了解 PDF 文件的底层结构。主要用于获取PDF中的每个文本字符、矩形和行的详细信息，以及可以进行表格提取和可视化调试。需要注意的是，pdfplumber主要应用于机器生成的pfd，而非扫描的pdf文档。可选参数参数描述csvorjson。json格式返回更多信息；
2024-07-23 10:53:38
5432
原创 Qwen2-1___5B-Instruct 推理
Union[List[Dict[str, str]], List[List[Dict[str, str]]]], 一个字典列表，其中每个字典包含 'role' 和 'content' 键，表示至今的对话记录。Optional[List[Dict[str, str]]] = None, 一个字典列表，表示可以被模型访问的文档，前提是模型正在执行RAG（检索增强生成）。如果模板不支持RAG，这个参数将不会产生任何效果。需要注意的是，这个参数会被传给聊天模板，因此必须在模板中支持这个参数，本参数才能生效。
2024-07-22 18:43:34
1530
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人