模型权重下载

在使用PDF-Extract-Kit前，我们需要下载所需要的模型权重。可以根据自己需求下载全部模型或者特定的模型文件（如公式检测MFD）

[推荐] 方法 1：snapshot_download

HuggingFace

huggingface_hub.snapshot_download 支持下载特定的 HuggingFace Hub 模型权重，并且允许多线程。您可以利用下列代码并行下载模型权重：

from huggingface_hub import snapshot_download

snapshot_download(repo_id='opendatalab/pdf-extract-kit-1.0', local_dir='./', max_workers=20)

如果想仅下载单个算法模型（如公式检测任务的YOLO模型），可以使用如下代码：

from huggingface_hub import snapshot_download

snapshot_download(repo_id='opendatalab/pdf-extract-kit-1.0', local_dir='./', allow_patterns='models/MFD/YOLO/*')

备注

其中，repo_id 表示模型在 HuggingFace Hub 的名字、local_dir 表示期望存储到的本地路径、max_workers 表示下载的最大并行数，allow_patterns 表示想要现在的文件。

小技巧

如果未指定 local_dir，则将下载至 HuggingFace 的默认 cache 路径中（~/.cache/huggingface/hub）。若要修改默认 cache 路径，需要修改相关环境变量：

$ # 默认为 ~/.cache/huggingface/
$ export HF_HOME=Comming soon!

小技巧

如果觉得下载较慢（例如无法达到最大带宽等情况），可以尝试设置export HF_HUB_ENABLE_HF_TRANSFER=1 以获得更高的下载速度。

ModelScope

modelscope.snapshot_download 支持下载指定的模型权重，您可以利用下列命令下载模型：

from modelscope import snapshot_download

snapshot_download(model_id='opendatalab/pdf-extract-kit-1.0', cache_dir='./')

如果想仅下载单个算法模型（如公式检测任务的YOLO模型），可以使用如下代码：

from modelscope import snapshot_download

snapshot_download(repo_id='opendatalab/pdf-extract-kit-1.0', local_dir='./', allow_patterns='models/MFD/YOLO/*')

备注

其中，model_id 表示模型在 ModelScope 模型库的名字，cache_dir 表示期望存储到的本地路径， allow_patterns 表示想要现在的文件。

备注

modelscope.snapshot_download 不支持多线程并行下载。

小技巧

如果未指定 cache_dir，则将下载至 ModelScope 的默认 cache 路径中（~/.cache/huggingface/hub）。

若要修改默认 cache 路径，需要修改相关环境变量：

$ # 默认为 ~/.cache/modelscope/hub/
$ export MODELSCOPE_CACHE=XXXX

方法 2： Git LFS

HuggingFace 和 ModelScope 的远程模型仓库就是一个由 Git LFS 管理的 Git 仓库。因此，我们可以利用 git clone 完成权重的下载：

$ git lfs install
$ # From HuggingFace
$ git lfs clone https://huggingface.co/opendatalab/pdf-extract-kit-1.0
$ # From ModelScope
$ git clone https://www.modelscope.cn/opendatalab/pdf-extract-kit-1.0.git