language: zh license: cc-by-nc-sa-4.0 tags:

• 版面分析模型
• 文档分类
• PDF
• 发票

LayoutLM文档分类模型卡

模型详情

模型描述

这是针对文档分类任务微调的多模态LayoutLM模型版本。

• 开发团队: Impira团队
• 共享方[可选]: Hugging Face
• 模型类型: 文本分类
• 支持语言(NLP): 英文
• 许可协议: cc-by-nc-sa-4.0
• 相关模型: layoutlm
  • 父模型: 需补充信息
• 更多资源:
  • 相关论文
  • 博客文章

用途

直接用途

文本分类

下游用途[可选]

需补充信息

超范围用途

不得用于故意制造敌对或疏远人群的环境。

偏差、风险与限制

大量研究已探讨语言模型的偏见与公平性问题（参见Sheng等人(2021)和Bender等人(2021)）。模型预测可能包含针对受保护群体、身份特征及敏感社会职业群体的有害刻板印象。

建议

应告知用户（包括直接和下游用户）本模型的风险、偏见和限制。需补充进一步建议。

训练详情

训练数据

需补充信息

训练流程

需补充信息

预处理

需补充信息

速度、规模与时长

注意力头数: 12
隐藏层数:12
词表大小: 30522

评估

测试数据、因素与指标

测试数据

需补充信息

因素

需补充信息

指标

需补充信息

结果

需补充信息

模型检验

需补充信息

环境影响

碳排放量可使用Lacoste等人(2019)提出的机器学习影响计算器估算。

• 硬件类型: 需补充信息
• 使用时长: 需补充信息
• 云服务商: 需补充信息
• 计算区域: 需补充信息
• 碳排放量: 需补充信息

技术规范[可选]

模型架构与目标

需补充信息

计算基础设施

需补充信息

硬件

需补充信息

软件

Transformers版本: 4.4.0.dev0

引用

BibTeX格式:

需补充信息

APA格式:

需补充信息

术语表[可选]

需补充信息

更多信息[可选]

需补充信息

模型卡作者[可选]

Impira团队与Ezi Ozoani及Hugging Face团队合作编写

模型卡联系方式

需补充信息

快速开始

使用以下代码加载模型:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
 
tokenizer = AutoTokenizer.from_pretrained("impira/layoutlm-document-classifier")
 
model = AutoModelForSequenceClassification.from_pretrained("impira/layoutlm-document-classifier")