润心
when I try to click "learn more about the attributes ..." (as well as the next block) the links are broken. I guess you want to refer here? https://mathlive.io/mathfield/api/#mathfieldelement
### 项目地址 https://github.com/alephpi/Texo ### 类别 人工智能 ### 项目标题 Texo：一款纯前端的 LaTeX 公式识别工具 ### 项目描述 Texo是一个公式识别模型，用于将公式图片转换为可编辑的LaTeX代码，提高理工科学生提高作笔记、写文章的效率。 Texo的特点是轻量、准确、快速。尽管LaTeX OCR已经有许多的成熟商业模型和开源模型，但是在线商软的订阅费对学生而言仍略显高昂，而免费账户在高峰期又需排队等待，而开源模型的部署又受限于本地算力、环境配置、模型体积、跨平台兼容性等等，使得新手小白望而却步。因此作为一名用户和新手开发者，我开发了Texo，它轻量而不失准确，同时把本地部署门槛降至最低。 Texo基于PaddleOCR的SOTA模型，在此基础上微调并蒸馏了一个参数量仅20M，全精度模型体积仅 80MB 的模型，随后我借助 Transformers.js 框架将导出的onnx模型运行在浏览器中。通过Web应用交付的模型，既省去了配置python环境的繁琐配置，又因推理完全调用本地算力，无需担心隐私通过api泄漏。最重要的是该模型兼顾了底模的识别准确率和轻量模型的推理效率，把对本地算力的需求降到最低，在没有GPU加持下也能达到商软调用API的响应速率和准确度。 作为开发者，该项目是一个很好的AI新手入门模型训练的练手项目，它集合了Pytorch，Lightning，Transformers，Hydra等目前最佳深度学习工具栈的工程化项目。 ### 亮点 - 免费且开源 - 快速且轻量 - 可在消费级GPU上训练...
https://github.com/user-attachments/assets/a24ed034-d3d0-41bc-8c3e-72a0b0d7a394 身为一名理工科学生，在笔记中频繁插入 LaTeX 公式是家常便饭，许多识别LaTeX公式截图的项目也因此应运而生。在这些项目中，一方面各类在线商软虽表现优秀，但每月订阅费对学生而言仍然略显高昂，而免费账户在高峰期又需排队等待。另一方面相关的开源模型也已满坑满谷，且识别准确度与商软无异，然而其部署又受限于本地算力、环境配置、模型体积、跨平台兼容性等等，使得新手小白望而却步。因此作为一名用户和新手开发者，我想探索是否有可能在既有的开源模型基础上，开发出轻量而不失准确的模型，同时把本地部署门槛降至最低的解决方案。 于是有了 Texo 这个项目，我首先在PaddleOCR的基础上微调并蒸馏了一个参数量仅20M，全精度模型体积仅 80MB 的模型，随后我借助 Transformers.js 框架将导出的onnx模型运行在浏览器中。通过Web应用交付的模型，既省去了配置python环境的繁琐配置，又因推理完全调用本地算力，无需担心隐私通过api泄漏。最重要的是该模型兼顾了底模的识别准确率和轻量模型的推理效率，把对本地算力的需求降到最低，在没有GPU加持下也能达到商软调用API的响应速率和准确度。 希望通过这个项目可以帮助到更多理工科学生提高做笔记、写文章的效率。 项目主仓库：https://github.com/alephpi/Texo 项目前端仓库：https://github.com/alephpi/Texo-web 在线演示demo：https://texocr.netlify.app/
When I try to use `katex.scss`, there are some deprecation warning. Would you update it? ``` Deprecation Warning [import]: Sass @import rules are deprecated and will be removed in Dart...
https://github.com/user-attachments/assets/254aabf6-7852-4ec3-a025-06ee61545482 Demo page: https://texocr.netlify.app Github repo: https://github.com/alephpi/Texo
**Is your feature request related to a problem? Please describe.** Weight sharing is a common technique for modern LLM to reduce the number of parameters. For example, in `transformers` models,...