Стоило написать личный пост — минус один подписчик. Похоже, основная проблема в том, что люди, проголосовавшие за личный блог, не станут отписываться от технического. А вот наоборот — станут.
Но пофигу. Мне давали разные советы, но у них было одно общее: рекомендовали писать чаще. Так что объявляю себе челлендж: пост каждый день. Буду дублировать ВКонтакте и в Телеграме. В общем, я вас задолбаю постами, лучше сразу отписывайтесь.
365 дней - 365 постов (или больше). При этом имеется ввиду бытовой день, а не астрономический — то есть в моем случае промежуток с 5:00 до 5:00, так что этот пост за 1 января.
На текущий момент ВКонтакте 5791 подписчик. В среднем у поста там пара десятков комментариев и полсотни-сотня лайков.
В Телеграме 224 подписчика, и у поста в среднем до десяти комментариев, то есть активность в 3-5 раз ниже.
Моя цель посмотреть:
1. Влияет ли на прирост или убыль подписчиков частота постинга в Телеграме.
2. Было ли ошибочным решение вести канал как личный, а не тематический.
3. Что произойдет с активностью людей ВКонтакте от увеличения частоты постинга.
Через год посмотрим.
#web#life
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek