返回首頁

GitHub Repo

Transformers 確認 PaddleOCR-VL 載入路徑不相容,待模型端更新設定

11 月 15 日的回報指出,PaddleOCR-VL-1.6 使用指定 Auto 類別載入時,可能混用原生模型與遠端設定而崩潰。Transformers 成員翌日確認這條解析路徑,並表示正與模型作者協調更新。

Marcus Qwertyus · Public domain · Image source
zh-Hant

Transformers 專案成員於 11 月 16 日確認,PaddleOCR-VL-1.6 的一條載入路徑會組合原生模型實作與遠端設定,導致初始化失敗。前一天提交的回報使用 Transformers 5.17.0、Windows 11 與 PyTorch 2.12.1;即使設定 trust_remote_code=True,透過 AutoModelForImageTextToText 載入仍會出現缺少 rope_parameters 的例外。問題回報與成員回覆

關鍵在於檢查點的 auto_map 未列出上述任務類別。依回報與專案成員說明,載入器因此選用 Transformers 內建的 PaddleOCR-VL 模型,但設定仍來自遠端程式碼,兩者未能配合。這讓錯誤發生在模型建構期間,也讓使用者難以從呼叫方式判斷實際執行哪套實作。解析路徑說明

這項落差直接涉及公開使用範例:模型卡目前仍示範 AutoProcessor 搭配 AutoModelForImageTextToText,並要求安裝 Transformers 5。模型卡同時說明,該範例支援元素層級辨識與文字定位,頁面層級文件解析則建議使用官方推論方式。因此,這次回報不能直接延伸為所有 PaddleOCR 部署均受影響。官方模型卡

回報者表示,改用已列入 auto_map 的 AutoModelForCausalLM,並允許遠端程式碼後,同一頁面的 OCR 可正常完成;這是提交者驗證的暫時替代方式。專案成員則表示,已聯繫作者,等待決定改採原生整合,或補上缺少的任務類別映射。截至查核,討論尚未宣布完成修正。處理進度

對文件辨識服務而言,這提醒工程團隊將模型檢查點版本、套件版本與 Auto 類別一併納入載入驗證。後續應觀察模型端設定是否更新,以及文件範例是否與實際解析路徑一致;目前證據尚不足以界定其他版本的影響範圍。

來源

  1. PaddleOCR-VL AutoModelForImageTextToText 載入問題 #50770
  2. PaddleOCR-VL-1.6 官方模型卡與 Transformers 使用範例