今天跟大家推荐一个Github项目，来自NAVER Clova AI Research的hwalsuklee同学汇总了近几年的基于深度学习进行文本检测、识别的论文、代码、数据集、教程资源，非常值得参考。https://github.com/hwalsuklee/awesome-deep-text-detection-recognition该项目不是简单的网址罗列，作者还很用心的将各个算法在公认标准
一、有关创建train.cache的报错因为在写本文时，电脑正在用于训练模型，无法展示报错情况，后面再添加上去。 我的问题产生的原因很简单，文件目录名的设置不对，所以一定要先看一遍官方的教程！！ 我原本的文件目录如下这个文件结构参考了文章【YOLOV5】记录一次自己在yolo训练模型上的全过程（附上多次解决Bug记录以及心得体会） 感谢博主给我提供的思路！！ 稍微解释一下各个文件夹的内
1. 什么是BERTBERT的全称是Bidirectional Encoder Representation from Transformers，是Google2018年提出的预训练模型，即双向Transformer的Encoder，因为decoder是不能获要预测的信息的。模型的主要创新点都在pre-train方法上，即用了Masked LM和Next Sentence Prediction两种
一名卑微的研究生记录开始接触bert：昨天终于在修好了的服务器上给我们课题组的小伙伴开启了访问权限，今天开始搭建bert的基本环境了，为我接下来的研究方向（知识图谱）拉开序幕。本机：win10 + putty （访问服务器）实验室服务器：linux GTX1080，以及驱动和cuda的配置信息如下图一、安装anaconda1、下载安装包：wget https://repo.anacon
转载
2024-06-13 08:59:54
1117阅读
【TechWeb】7月3日消息，据国外媒体报道，在外界猜测英伟达计划依赖三星电子生产下一代图形处理器（GPU）之后，这家美国科技巨头周二证实，它已与全球最大芯片制造商三星电子达成了一项代工合作协议。这一最新进展意味着，这家美国公司放弃了台积电。此前，台积电一直是英伟达GPU制造的长期合作伙伴。市场原本预计，英伟达将继续使用台积电的7纳米工艺生产下一代GPU。然而，随后的报道显示，三星在价格方面“大
转载
2024-04-07 08:44:28
89阅读
AI开发现状从过去AlphaGo在职业围棋中击败世界冠军，到现在大火的自动驾驶，人工智能(AI)在过去几年中取得了许多成就。其中人工智能的成功离不开三要素：数据、算法和算力。其中对于算力，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要强大算力的支撑。AI训练硬件平台：GPU、CPU、TPU常见的模型训练硬件平台主要有：GPU、CPU和TPU。CPU（
转载
2024-04-20 21:44:11
475阅读
AI应用开发实战 - 从零开始配置环境零、前提条件一台能联网的电脑，使用win10 64位操作系统请确保鼠标、键盘、显示器都是好的一、Windows下开发环境搭建本教材主要参考了如下资源：本教程分为五步：安装VS：难度一星安装python：难度一星安装CUDA和cuDNN：这是本教程最繁琐的一步，这一步直接拉高本教程的平均难度。配置机器学习环境：这是本教程最简单的一步，为了方便用户配置环境，微软提
转载
2023-08-11 09:08:38
115阅读
GPU加速原理这里默认你说的gpu加速是指NVIDIA的cuda加速，CPU是中央处理单元，gpu是图形处理单元简单的说，gpu由上千个流处理器(core)作为运算器。执行采用单指令多线程(SIMT)模式。在训练网络中，其实大量的运算资源都消耗在了数值计算上面，大部分网络训练的过程都是1.计算loss，2.根据loss求梯度，3.再根据梯度更新参数（梯度下降原理）。无论在GPU还是CPU中，都是不
转载
2023-09-20 06:58:19
130阅读
摘要Spark Streaming是一套优秀的实时计算框架。其良好的可扩展性、高吞吐量以及容错机制能够满足我们很多的场景应用。本篇文单在《Spark Streaming场景应用-Kafka数据读取方式》基础上，结合我们的应用场景，介结我们在使用Spark Streaming方面的技术架构，并着重讲解Spark Streaming两种计算模型，无状态和状态计算模型以及该两种模型的注意事项；接着介绍了
转载
2024-07-18 05:44:08
59阅读
目录 1、UIBezierPath（贝塞尔曲线） 1）、在重写 drawRect: 方法里使用 2）、在普通方法里使用，需要画布。 3）、 切圆角、指定位置圆角、任意形状。 4）、彩色的动画加载圆圈。 2、CGContext（上下文） 1）、在重写 drawRect: 方法里使用 3、UIGraphics（绘图） 1）、绘制输出image补充：
大型语言模型BERT，熟悉NLP领域的同学没人不知道它的名气吧？只可惜它太太太贵了！之前有做过统计，使用谷歌云TPU或英伟达GPU训练完整个模型需要虽然只需1个小时，但是上千块TPU/GPU均需耗价上万美元。只有少数“富贵人家”的行业实验室才能够负担得起。为了降低成本，来自以色列的科学家们结合已有的技术对BERT做了多方面优化，只需24小时、8个12GB内存的云GPU，一次几百美元就能在加快训练过
转载
2024-09-05 13:37:20
306阅读
2022年5月，飞桨框架2.3版本正式发布，设计实现了高可复用算子库PHI（Paddle High reusability operator library）。新算子库提供了百余个与Python开发接口保持一致的C++运算类API，可大幅降低框架原生算子和自定义算子的开发成本。深度学习框架作为人工智能领域的基础设施，一个重要的评价指标是其能否更高效便捷地支持多领域二次开发及多硬件扩展，支撑更广泛的
有的时候我们训练网络的时候，数据集在收集的过程中由于种种原因导致图像收集的不完整，比如某些种类很少，或者没有，这个时候我们就可以考虑自己生成数据集。这个和data augmentation还不太一样，data augmentation是在数据集上做一些变化，得到更多的数据，数据生成是直接生成一些数据集。在做OCR识别的时候，因为有些类型的数据量很少，所以就考虑了一下数据生成的方法。安装 image
转载
2024-07-30 13:20:39
30阅读
Docker安装：Docker安装的一个简单的方式是直接通过官方的安装脚本， 指定阿里云镜像可以加快速度。curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun 我安装docker的时候走了一点弯路，我使用的linux是ubuntu，安装系统的时候发现可以直接选择安装docker，就给选中了，但装上去的时候发现是一个sn
转载
2023-06-26 15:37:43
131阅读
# Python代码需要什么样的GPU
作为一名经验丰富的开发者，你可能已经意识到，在处理大规模数据集或进行复杂计算时，使用GPU（图形处理器）可以显著加速Python代码的执行速度。本文将为刚入行的小白介绍实现Python代码所需的GPU，并提供一步一步的指导。
## 流程概述
为了实现Python代码所需的GPU，我们需要按照以下步骤进行操作：
1. 确认GPU支持：检查你的计算机是否
原创
2023-08-14 05:03:07
175阅读
这些天由于工作需要，需要对验证码进行识别，当然验证码识别是老问题了，这里介绍了google开源项目Tesseract-OCR3.01对于验证码的识别。对于这款开源项目，要想彻底搞清楚这款开源OCR软件的来龙去脉，还得看Google开源项目的说明：http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3，这里就不罗嗦了。我使用的是最
转载
2024-05-27 18:25:02
61阅读
Docker概述Docker 项目的目标是实现轻量级的操作系统虚拟化解决方案。 Docker 的基础是 Linux 容器（LXC）等技术。在 LXC 的基础上 Docker 进行了进一步的封装，让用户不需要去关心容器的管理，使得操作更为简便。用户操作 Docker 的容器就像操作一个快速轻量级的虚拟机一样简单。一款产品从开发到上线，从操作系统，到运行环境，再到应用配置。作为开发+运维之间的协作我们
转载
2023-11-23 17:28:18
70阅读
本篇文章主要给大家介绍的是MySQL中常用的4种语言： 一、DDLDDL，data defination language，指的是数据定义语言，其主要作用是创建数据库，对库表的结构进行删除和修改等操作。进入数据库mysql -uroot -p -- 使用这种方式，接下来需要输入密码。密码是暗文
mysql -uroot -p123456 -- 可以直接将密码123456放在参数p的后面，
转载
2023-08-08 08:42:51
121阅读
DataType 我们都知道，类型是编译阶段的事情，尤其是对C++这种语言来说，那么，如果想在运行阶段对类型进行标记，我们该怎么办呢? DataType的产生就是来解决该问题的，我们可以看一个简单的DataType的定义，来猜测它是如何解决这个问题的，代码如下： 1 template<typename _Tp>
转载
2024-07-10 18:27:13
39阅读
一.OCR应用场景 1.四类： 数字原生类： 淘宝商品图是最具有代表性的数字原生类文字图。 特点：1）最复杂多样：各种字体、背景、排列、组合等（MTWI挑战赛-最大的OCR竞赛）。 2）最有价值：商品信息载体 3）图片量最大：千亿图片，每日不停更新。文档类： 文档类OCR需求非常广，涉及各种公务场景。 特点：1）100%识别率
转载
2024-06-18 20:33:58
20阅读
