[TOC] > [github](https://github.com/clovaai/donut) ## 概述 - 以前文檔識別要先OCR，再進行文檔理解，OCR錯誤會傳遞給文檔理解模型，而且花的時間長。 - 就是那些合同、說明書直接傳給模型，再提問題就好了！還能模擬生成文檔圖片，這這樣生成具有特定字符圖片的圖像就可以搞定了，與stable Diffusion等模型結合，有很大想象空間 ## 安裝 ``` git clone https://github.com/clovaai/donut.git cd donut/ conda create -n donut_official python=3.7 conda activate donut_official pip install . ``` ## 訓練 ``` python train.py --config config/train_cord.yaml --pretrained_model_name_or_path "naver-clova-ix/donut-base" --dataset_name_or_paths "[\"naver-clova-ix/cord-v2\"]" --exp_version "test_experiment" ``` > 注意官網給出的示例參數中 `--dataset_name_or_paths '["naver-clova-ix/cord-v2"]'` 無法運行,需改成`"[\"naver-clova-ix/cord-v2\"]" ` > 由于我的顯卡不被支持,無法跑訓練 ## 測試 ``` python test.py --dataset_name_or_path naver-clova-ix/cord-v2 --pretrained_model_name_or_path ./result/train_cord/test_experiment --save_path ./result/output.json ```