Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Cahier de laboratoire : Correction OCR

But: Correction OCR

Dans le cadre du projet Ganelon, on interroge un LLM pour corriger les fautes d’OCR d’un texte proposé.

Liste des Modèles utilisés:

Les modèles se téléchargent sur la plate-forme https://huggingface.co/

Llama-2-7B-Chat-GGUF/llama-2-7b-chat.Q5_0.gguf

Mistral-7B-Instruct-v0.2-GGUF/mistral-7b-instruct-v0.2.Q5_K_S.gguf

OpenHermes-2.5-Mistral-7B-GGUF/openhermes-2.5-mistral-7b.Q5_K_M.gguf

TinyLlama-1.1B-Chat-v1.0-GGUF/tinyllama-1.1b-chat-v1.0.Q6_K.gguf

Vigostral-7B-Chat-GGUF/vigostral-7b-chat.Q5_K_M.gguf

Procédure: exécution sur un serveur Debian 12 Bookworm avec une carte graphique NVIDIA GeForce RTX 2060 SUPER, 7974MiB.

Compilation

CUDACXX=/usr/bin/nvcc CMAKE_ARGS=”-DLLAMA_CUBLAS=on -DCMAKE_CUDA_ARCHITECTURES=native” FORCE_CMAKE=1 pip install llama_cpp_python –force-reinstall –upgrade

Code Source

Liste des packages installés

Package Version

—————— ————

black 23.12.1
certifi 2022.12.7
charset-normalizer 2.1.1
click 8.1.7
diskcache 5.6.3
filelock 3.9.0
fsspec 2023.4.0
fuzzywuzzy 0.18.0
idna 3.4
Jinja2 3.1.3
llama_cpp_python 0.2.32
MarkupSafe 2.1.4
mpmath 1.3.0
mypy-extensions 1.0.0
networkx 3.0
numpy 1.26.3
packaging 23.2
pathspec 0.12.1
Pillow 9.3.0
pip 23.3.2
platformdirs 4.1.0
requests 2.28.1
setuptools 66.1.1
sympy 1.12
torch 2.1.2+cu118
torchaudio 2.1.2+cu118
torchvision 0.16.2+cu118
triton 2.1.0
typing_extensions 4.9.0
urllib3 1.26.13

Résultat:

Dans le fichier Data/Csv/dataOCR.Csv

Bilan

Le modèle Vigostral constitue une piste intéressante et efficace.

Remerciements

Nous remercions l’Institut Jacques Monod pour la fourniture des ressources informatiques et de traitement des données nécessaires à ce travail.


OpenEdition vous propose de citer ce billet de la manière suivante :
_ (8 février 2024). Cahier de laboratoire : Correction OCR. Les carnets du LaMOP. Consulté le 10 novembre 2024 à l’adresse https://doi.org/10.58079/vs83


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.