Hugging Face's logo

lucasoc
/
sci-image-models

Image-to-Text
PEFT
Safetensors
Portuguese
English
vision-language
table-extraction
scientific-figures
markdown-table
lightonocr
qwen2.5-vl
qwen3-vl
lora
icdar-metric-loss
Model card Files
xet
 Community
lucasoc commited on
Commit
da2a347
·
verified ·
1 Parent(s): 2aecc4b

docs: adiciona tempo de treinamento e hardware a tabela comparativa

Browse files
Files changed (1) hide show
  1. README.md +7 -6
README.md CHANGED
@@ -31,16 +31,16 @@ Este modelo foi otimizado com a funcao de perda **ICDAR Metric-Aware Loss** (com
31
 
32
  ---
33
 
34
- ## Uso de GPU e Memoria VRAM Durante o Treinamento
35
 
36
  Diferente de pipelines tradicionais que reduzem ou distorcem as figuras cientificas, este modelo foi treinado preservando a **resolucao vetorial nativa integral** das imagens.
37
 
38
- | Modo / Resolucao | Resolucao Maxima | Grid de Patches de Visao | **VRAM Media Alocada** | VRAM Pico |
39
- | :--- | :---: | :---: | :---: | :---: |
40
- | **Resolucao Reduzida (Baseline)** | 280 px (Downsampling PIL) | ~392x392 max | **~5,2 GB** | ~6,1 GB |
41
- | **Resolucao Original Nativa (Este Modelo)** | **Original (Sem downsampling)** | **Ate 1003520 pixels (~1 MP)** | **~17,2 GB** | **~18,5 GB** |
42
 
43
- > **Nota de Hardware:** O treinamento em resolucao original foi conduzido em uma **NVIDIA GeForce RTX 3090 (24 GB VRAM)** utilizando quantizacao **4-bit NF4 (QLoRA)**, otimizador `paged_adamw_8bit` e *Gradient Checkpointing*. A alta alocacao de VRAM decorre do numero dinamico de tokens visuais bidimensionais necessarios para capturar com maxima fidelidade eixos, marcadores e numeros minusculos de graficos complexos.
44
 
45
  ---
46
 
@@ -175,4 +175,5 @@ print(output_text)
175
  - **Otimizador:** `paged_adamw_8bit` com *Cosine Annealing* e taxa de aprendizado $1 \times 10^{-4}$
176
  - **Funcao de Perda:** ICDAR Metric-Aware Loss com surrogate diferenciavel para metricas de tabela
177
  - **Hardware:** NVIDIA GeForce RTX 3090 (24 GB VRAM)
 
178
  - **Codigo Fonte:** [sci-image-markdown](https://github.com/lucasdocunha/sci-image-markdown)
 
31
 
32
  ---
33
 
34
+ ## Recursos de Treinamento, Tempo e Memoria VRAM
35
 
36
  Diferente de pipelines tradicionais que reduzem ou distorcem as figuras cientificas, este modelo foi treinado preservando a **resolucao vetorial nativa integral** das imagens.
37
 
38
+ | Modo / Resolucao | Resolucao Maxima | Grid de Patches de Visao | Tempo de Treino (3 Epocas) | **VRAM Media Alocada** | VRAM Pico |
39
+ | :--- | :---: | :---: | :---: | :---: | :---: |
40
+ | **Resolucao Reduzida (Baseline)** | 280 px (Downsampling PIL) | ~392x392 max | ~28 min (~1.680s) | **~5,2 GB** | ~6,1 GB |
41
+ | **Resolucao Original Nativa (Este Modelo)** | **Original (Sem downsampling)** | **Ate 1003520 pixels (~1 MP)** | **1h 38m 57s (5.937s)** | **~17,2 GB** | **~18,5 GB** |
42
 
43
+ > **Nota de Hardware e Eficiencia:** O treinamento em resolucao original levou **1h 38m 57s (5.937 segundos)** em uma **NVIDIA GeForce RTX 3090 (24 GB VRAM)** utilizando quantizacao **4-bit NF4 (QLoRA)**, otimizador `paged_adamw_8bit` e *Gradient Checkpointing*. O aumento no tempo e no uso de memoria decorre do processamento de ate ~1.280 patches visuais por figura (contra ~100 patches no baseline), garantindo resolucao nativa para capturar cada detalhe numerico.
44
 
45
  ---
46
 
 
175
  - **Otimizador:** `paged_adamw_8bit` com *Cosine Annealing* e taxa de aprendizado $1 \times 10^{-4}$
176
  - **Funcao de Perda:** ICDAR Metric-Aware Loss com surrogate diferenciavel para metricas de tabela
177
  - **Hardware:** NVIDIA GeForce RTX 3090 (24 GB VRAM)
178
+ - **Tempo de Treinamento:** 1 hora, 38 minutos e 57 segundos (5.937 segundos totais para 3 epocas, 273 passos)
179
  - **Codigo Fonte:** [sci-image-markdown](https://github.com/lucasdocunha/sci-image-markdown)