打破桎梏!MinerU-HTML重构网页提取范式,开源超大规模高质量多语言语料AICC

MinerU 入门指南:小白也能玩转的高精度PDF解析神器 MinerU是一款专为科技文献设计的智能PDF解析工具,能够将复杂PDF文档转换为Markdown、JSON等结构化格式。相比传统工具,它具有多项创新优势:智能布局识别、阅读顺序还原、结构化保留、多媒体提取、公式LaTeX转换、表格HTML输出等核心功能。项目采用多后端架构设计(pipeline/VLM/加速引擎),支持智能批处理和动态内存优化,显著提升处理效率。MinerU特别适合处理学术论文、技术报告等专业文档,为大模型训练提供高质量的结构化数据源,解决了科技文献解析中的关键难题。 阅读详情

导言:

数据质量是决定大模型能力的关键因素之一。大规模预训练语料库(如Common Crawl)主要依赖于网页数据。然而,长期以来,相关研究将优化重心放在下游的过滤和去重策略上,对HTML提取这一重要工作却未引起足够重视。

传统网页提取方法基于启发式规则,面对万亿规模网页数据难以优化和迭代。近期推出的基于模型的内容抽取方法无法高质量还原代码、公式等重要信息。

为此,上海人工智能实验室(上海AI实验室)OpenDataLab 团队提出了一个“将内容提取任务重构为一个序列标注问题"的方法,据此研发了能够进行语义感知的新一代网页提取工具—— MinerU-HTML。该工具采用两阶段提取方法,第一阶段利用模型从HTML DOM中标注出正文节点,第二阶段对正文节点结合HTML语法进行精细识别(特别是代码和公式),转换为结构化数据供下游使用。

与此同时,OpenDataLab 开源了用该工具构建的高质量语料AICC(AI-ready Common Crawl),建立了行业新标杆。该方法及工具后续可广泛应用于DeepResearch搭建、RAG构建、网页采集与解析等场景。

相较于基于传统启发式规则研发的网页提取工具,MinerU-HTML可以适应多样布局的网页提取。基于 MinerU-HTML 的提取能力,团队开源了规模达 7.3 万亿 tokens 的 AICC 多语言语料库,为学术界及产业界提供了高质量的大模型预训练数据基础。

一、AICC语料库超越现有高质量语料库,建立新标杆

OpenDataLab 团队在包含7,887个标注网页的MainWebBench基准测试集上进行了评估,结果表明:MinerU-HTML在综合指标和结构化元素保留方面均建立了行业领先性能(SOTA)。而采用MinerU-HTML构建的AICC语料库,在下游任务中超越了RefinedWeb和FineWeb等公认的高质量语料库,这直接证明了高质量提取可以媲美甚至超越激进过滤策略带来的效益。不仅如此,AICC还在通用知识(General Knowledge)和阅读理解(Reading Comprehension)任务上均取得了最佳性能。

图片

图为技术报告中结构化元素提取器的性能对比。 上方表格展示了不同提取器在 WebMainBench-Structured 基准上的代码块(Code Edit)、公式(Formula Edit)和表格(Table TEDS)的相似度得分。下方表格展示了它们在 WCEB 基准上的准确率。MinerU-HTML 在所有测试中均表现最佳。

图片

MinerU-HTML在通用知识和阅读理解上的表现

具体来说,AICC语料库基于Common Crawl 2025年的两个快照,通过MinerU-HTML进行内容提取并转换为Markdown格式。为确保对比实验的公平性,其过滤流程完全沿用RefinedWeb的严格标准,包括去重、语言识别和安全过滤等环节。质量验证采用LLM-as-Judge方法对10,000对文档进行评估,结果显示AICC在72%的案例中更受青睐,且其提取内容平均长度达到Trafilatura版本的1.16倍,表明其不仅保留更多内容,且质量显著提升。

在下游任务表现方面,基于62B token的控量训练实验表明,AICC预训练模型在13项基准测试中平均准确率达到50.82%,展现出显著优势。具体而言,其性能优于Trafilatura提取的TfCC语料(49.74%,提升1.08个百分点)、RefinedWeb(49.13%,提升1.69个百分点)以及FineWeb(49.61%,提升1.21个百分点)。尤为突出的是,AICC在通用知识任务上提升1.93个百分点,在阅读理解任务上提升5.69个百分点,有力证明了高质量内容提取对模型能力的促进作用可与激进过滤策略相媲美,甚至更具可持续性。

上述表现,有力验证了HTML提取质量对下游性能的影响与过滤策略同样重要的猜想。

二、精细化两阶段流水线:模型驱动的网页内容提取方法

MinerU-HTML采用了独特且高效的两阶段流水线设计,它将传统的网页内容提取升级为模型驱动的语义理解任务,核心流程首先是 Main-HTML 提取(语义化筛选主内容),随后是网页各类元素(图片、表格、列表、代码、公式、段落等)的格式化,最终输出大模型(LLM )友好的 Markdown 格式文本。

图片

在第一阶段的 Main-HTML 提取中,旨在从原始、嘈杂的 HTML 中精准识别并剥离冗余信息(如广告和导航栏),只保留核心的主内容 (Main-HTML) 及其完整的结构。首先,为了应对原始 HTML 过于冗长和嘈杂的问题,系统首先将其转化为两种并行表示。简化 HTML (Simplified HTML) 是经过精简的输入,去除了非内容标签(如 <style>、<script>)并参照HTML开发规范进行块级分割,大幅减少了模型需要处理的 tokens 数量,提高了推理效率。同时,系统保留了映射 HTML (Mapping HTML),它忠实于原始的块级结构,用于后期的内容重建。

随后进入内容分类,这一核心步骤通过一个0.6B 参数量的仅解码器语言模型 MinerU-HTML-Classifier 来完成。该模型对简化 HTML 中的每个语义块进行二分类标注,判断其是否为“main(主内容)”或“other(冗余)”。为确保输出的准确性,系统采用了约束解码(Constrained Decoding)完全消除了模型可能产生的幻觉和格式错误。

最后在后处理阶段, 根据模型的分类结果,系统将预测标签映射回映射 HTML,剔除被标记为“other”的冗余块,最终得到 Main-HTML,它是原始文档的有效 DOM 子树,保证了内容的忠实性。

在第二阶段——文档格式化中,提取出的 Main-HTML 需要转换为 LLM 友好的 Markdown 格式。此阶段采用两步转换:先是将 Main-HTML 解析为 JSON 格式的结构化内容列表,明确标注出标题、段落、代码块、公式、表格等 11 类语义单元,并存储其专属属性。然后针对每种元素类型设计专用转换规则,将其转化为 Markdown。例如,它确保了代码块保留缩进和语法标记,数学公式保留 LaTeX/MathML 完整语法,并区分处理简单表格(可转为 Markdown 格式)和复杂表格(有单元格合并)。通过这种中间表示方法,有利于数据表达和筛选,也使其能够按需转化为下游任务所需的格式。

图片

技术报告中,关于Json格式的示例

三、万亿级网页的高效处理:模板感知优化策略

为了能够在万亿规模网页上高效运行,MinerU-HTML 设计了模板感知优化策略。系统首先在最长子域名内对相似网页进行聚类(DOM Tree相似性)。然后在每个类别中挑选一个最具结构代表性的页面使用 MinerU-HTML 模型进行推理。最后,将模型对该代表性网页的分类结果迁移应用于所在分类内所有其他页面,从而实现大规模、高效率的 CPU 处理,大幅降低了对 GPU 资源的依赖。

上海AI实验室秉持开源开放的理念,通过MinerU-HTML的发布,进一步提升了业界大规模预训练语料库构建的质量基准,持续致力于持续构建多知识、多模态、标准化的高质量语料数据。

目前,MinerU-HTML所构建的AICC语料库demo已经上线,AICC数据集已经上架,旨在为学术界及产业界提供更符合主流中文价值对齐的预训练语料。为了更好地服务社区、精准把握用户对MinerU-HTML在线服务的使用场景,我们已发布MinerU-HTML在线服务,前往MinerU官网即可体验:https://mineru.net/。

MinerU项目的功能持续拓展与性能的不断进步,将持续为大模型时代提供坚实、可靠、无限扩展的“Tokenize Everything”基础,共同建设一个包容、开放、有序、共享的人工智能大生态。

Mineru 智能文档解析引擎-快速上手 MinerU是一款专注于科技文献处理的PDF解析工具,能够将PDF转换为Markdown、JSON等机器可读格式。该工具具备智能排版解析、公式/表格识别转换、多语言OCR支持等功能,并支持多种输出格式和可视化结果。MinerU支持CPU/GPU加速,兼容Windows/Linux/macOS平台,提供pip安装、源码编译和Docker部署三种安装方式。项目特别针对科技文献中的符号转化问题进行了优化,旨在为大模型时代的科研工作提供支持。用户可通过命令行、API或Gradio界面使用该工具,遇到问题可在GitH 阅读详情

相关推荐

【项目】多模态RAG—本地部署MinerU实现多类文档解析

【摘要】开源工具MinerU由OpenDataLab团队开发,支持本地部署实现多类文档(PDF/Word/Excel/图片等)解析,可保留原始格式并转换为Markdown/JSON。该工具具备OCR识别、表格/公式转换、多语言支持等功能,适用于RAG、文档数字化等场景。项目通过API服务实现政策文件解析需求,将附件转为Markdown后再生成HTML展示,解决了政务问答系统中格式丢失问题。安装部署包含模型下载和Python服务端搭建,提供RESTful接口供其他系统调用。

一个内容严谨、方向前沿、极具实践价值的AI大模型技术分享站 2779

大模型网页数据清洗工具思路:MinerU-HTML

网页数据是大模型预训练的核心来源(如Common Crawl),但需先将HTML转换为结构化文本。现有工具(Trafilatura、Resiliparse)依赖(如文本密度、DOM树遍历规则),导致代码块、公式、表格等结构化元素丢失或损坏,进而影响大模型预训练效果。。

余俊晖,NLP炼丹师,目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。 994

RTX 6000 Pro Blackwell 踩坑实录:Qwen3.8-NVFP4 生成 HTML 表格半路截断?元凶竟不是显存

本文复盘了在RTX 6000 Pro Blackwell 96GB显卡上部署Qwen3.8-27B-NVFP4模型时,生成HTML表格中途截断的问题。经排查,主因非显存或上下文限制,而是五类易被忽视因素:1)Dify最大回复长度过小导致token截断;2)NVFP4量化精度不足致结构化输出断裂;3)接口超时、停止词误触发与流式渲染异常;4)HTML标签未闭合引发前端渲染假象;5)极低概率的上下文超限。建议27B级模型优先采用FP8权重,兼顾精度与性能,避免为省显存牺牲生成质量。

2501_93651177的博客 55

MinerU再次更新,网页解析功能上线!URL一键变Markdown,文档处理再无边界

导言:各位的铁粉们,你们的“生产力神兵”又进化了!还在为DeepResearch获取网页信息、网页知识库构建、复杂网页内容提取、网页文章复制乱码等场景感到头疼吗?在 AI 数据处理领域,以和为代表的行业先行者已经为我们展示了“网页转 LLM 友好格式”的巨大潜力,这次我们直接把深度优化的“网页解析”功能装进了网页端与桌面端,凭借在公式、表格识别上的深厚积淀,让整个互联网都成为你的 AI-Ready 语料库!今天,我们边上手边拆解,带你玩转。

OpenDataLab的博客 2108

光学设计必知:Ansys Zemax中6种系统孔径类型的适用场景全解析

本文深入解析Ansys Zemax中6种系统孔径类型的适用场景,包括入瞳直径、像方空间F/#、物方空间NA等,帮助光学设计师精准控制光线选择和成像质量。通过实际案例和代码示例,详细讲解各孔径类型的计算原理、参数设置及在显微系统、激光扩束等场景中的优化策略,提升复杂光学系统设计效率。

weixin_29266007的博客 551

嵌入式主板系统配置实战:OTG切换、双网共存与开机自启详解

在嵌入式Linux系统开发中,系统配置是连接硬件平台与应用功能的关键桥梁。其核心原理在于通过内核参数、文件系统接口和系统服务等机制,实现对硬件资源和系统行为的精细控制。掌握这些配置技术,对于提升开发效率、保障系统稳定性和实现产品差异化至关重要。无论是工业物联网网关、智能终端还是边缘计算设备,都需要对网络、USB、启动项等基础功能进行可靠配置。本文聚焦于嵌入式主板开发中的高频需求,例如OTG功能模式切换、双网共存路由策略以及基于systemd的开机自启动实现,通过具体的命令和脚本示例,为开发者提供一套可直接复

weixin_30827827的博客 320

MinerU如何导出HTML?多格式输出扩展教程

本文介绍了基于星图GPU平台自动化部署MinerU 2.5-1.2B 深度学习 PDF 提取镜像的方法,结合其结构化中间表示机制,实现从复杂PDF文档到HTML等多格式的高效导出。该方案适用于AI驱动的文档解析、知识库构建与模型微调等场景,助力开发者快速搭建自动化文档处理流程。

weixin_36431814的博客 896

超级详细!!!新手使用AutoDL跑深度学习(MixVPR项目)的学习记录

新手第一次在AutoDL上跑深度学习的实验,遇到一些问题,简单记录一下。如果大家发现问题,欢迎和我讨论。

weixin_45152283的博客 5万+

3分钟精通MinerU:从PDF到结构化数据的智能转换指南

你是否曾经面对一份复杂的PDF文档,想要提取其中的表格数据却束手无策?或者需要将技术文档转换为可编辑的Markdown格式,却发现排版完全错乱?这些困扰文档处理者的痛点,正是MinerU要解决的核心问题。 ## 文档转换的常见痛点与解决方案 **转换过程中的典型问题:** - 表格数据提取不完整,行列关系丢失 - 公式和数学符号无法正确识别 - 多列布局文档转换后格式混乱 - 图片中的文字内容

gitblog_00046的博客 947

西门子 S7-200 SMART 系列六:手把手教你配置S7-200 SMART Modbus RTU

Modbus 是公开通信协议,其最简单的串行通信部分仅规定了在串行线路的基本数据传输格式。Modbus 具有两种串行传输模式,ASCII 和 RTU,它们定义了数据如何打包、解码的不同方式。支持 Modbus 协议的设备一般都支持 RTU 格式。

John_09040211的博客 7431

C语言新手必练:10个实战小项目带你快速上手(附完整代码)

本文为C语言初学者精选10个实战项目,从基础的温度转换器到高级的迷宫求解算法,涵盖输入输出、条件判断、循环控制、数组操作等核心知识点。每个项目配有完整代码和详细解析,帮助新手通过实践掌握编程思维,特别适合刚学完语法但缺乏实战经验的学习者。

weixin_29208077的博客 736

MinerU:最强文档解析多模态大模型

MinerU是一款由OpenDataLab开源的多模态文档智能解析工具链,旨在将PDF等非结构化文档转化为机器可读的结构化数据。MinerU支持多种输出格式(Markdown/LaTeX/HTML/JSON),可处理复杂版式文档,并针对重叠元素设计了智能后处理算法。该工具填补了开源社区在高精度文档理解基础设施方面的空白,为构建高质量大模型语料库提供了工业级解决方案。

sherlockMa的博客 4113

基于NB-IoT的智慧路灯监控系统(NB-IoT专栏—实战篇1:项目简介)

基于NB-IoT技术的城市道路智慧路灯监控系统,在每个照明节点上安装一个集成了NB-IoT模组的单灯控制器,单灯控制器再经运营商的网络,与路灯控制平台实现双向通信,路灯控制平台直接对每个灯进行控制,包括开关灯控制、光照检测、自动调节明暗、电耗分析等操作。

不脱发的程序猿 5万+

GPT Image 2 出的 UI 图如何转成 HTML 和可编辑 Figma

AI 生成的 UI 图,本身只是起点。用 Codex 或 Claude Code 把它变成 HTML,就有了能演示的页面;用 html.to.design 把 HTML 导回 Figma,就有了能沉淀的设计源文件;用 Codia 直接把图转成 Figma,则适合只要设计稿、追求速度的场景。三条链路互相补充,组合起来就形成了"图、代码、设计稿"之间的闭环。同时也要清楚它的边界:单张位图缺少精确数值,像素级还原目前还做不到稳定;图里的文字和图标需要人工把关。

JEECG官方博客 209

LDRA Testbed软件静态分析_常见问题及处理

通过前面的几篇文章,LDRA Testbed软件静态分析的内容基本讲解完了,本篇文章将针对使用Testbed进行软件静态分析的常见问题进行介绍。 到此为止,LDRA Testbed软件静态分析的内容已经全部讲完,如果有问题,欢迎私信提问(不经常登录,回复可能不及时,见谅)。下一篇文章将开始讲解如何使用Testbed进行单元测试。

文章主要涉及嵌入式软件开发、测试、项目管理等,欢迎交流,共同进步。 2585

UG二次开发GRIP创建drill工序

UG二次开发GRIP创建drill工序

qq285503851的博客 1695

开源项目推荐:2027 高考志愿填报指北|开源单页 HTML 高报资料工具书

高考志愿填报信息量大、维度多,考生与家长往往面临资料零散、信息不对称、优质内容收费门槛高等问题。《2027 高考志愿填报指北》是雪人老师开源的高报笔记资料汇编,将 683 篇、280.5 万字的原创笔记整合为单页 HTML 电子书,覆盖专业、院校、城市、填报攻略四大板块。支持左侧折叠导航、快速跳转、浏览器原生 A4 打印,可在线阅读也可本地保存使用,采用 CC BY-NC 4.0 协议开源,非商业场景可自由传播改编,是高考志愿填报阶段实用的免费参考工具书。关键词:高考志愿填报;高报资料;开源电子书;

Admans的专栏 280

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

保姆级 | CTF Lemon:禁用右键/F12 怎么破?查看源码 + HTML 注释拿 flag

这道题表面上“右键被禁用、F12 被禁用”,看起来没法看源码,但这些限制都只是网页里的 JavaScript 搞的鬼。本文会讲清楚它是怎么禁用的、为什么这种限制不可靠,以及如何一键绕过拿到 flag。本题完整链路:页面用 JS 拦截右键/F12 → 用Ctrl+U或 curl 绕过 → 在 HTML 末尾注释里找到 flag。禁用右键(contextmenu)和 F12(keydown)都是前端 JS,靠实现;前端限制运行在用户浏览器,可被绕过,不可作为安全手段;绕过首选Ctrl+U。

YY888888_的博客 360

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Web端3D模型加载实战指南_Vue3_uni-app_HTML

很多同学一上来就问"uni-app 怎么加载 3D 模型",结果折腾三天发现方案根本不适用于自己的端。动手前先把下面这张表看完。结论:Web 端一律优先用 。 它是 Khronos 官方标准,被 three.js、model-viewer、微信小程序 XR-Frame 等所有主流方案原生支持,且是单文件,不涉及跨域、相对路径、资源丢失这些烦心事。免费模型资源站:Sketchfab、Poly Haven、Khronos glTF-Sample-Assets(官方示例模型,测试首选)。上线前必做的瘦身动作(一个

qq_19716091的博客 227

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

纯静态HTML项目文件打包成war包

纯静态HTML项目文件打包成war包

bjzhang75的博客 201

热榜上手|HyperFrames:写HTML出MP4

HeyGen 开源的 TypeScript 视频框架:把 HTML、CSS 动画直接渲染成确定性 MP4,专为 AI agent 批量出片设计,单周涨 5633 star。

mihuyang的博客 250

前端三剑客与 HTML 核心标签

前端是项目的门面。这篇文章把 HTML 的骨架作用、常用标签的专属属性、iframe 嵌套、锚点定位、表格与表单逐项拆开,最后落到「一个标签的属性能干什么」这个最实际的问题上。

2401_89953644的博客 238

用VBA调用Python脚本抽取Word文档表格HTML

本文通过使用VBA调用Python脚本抽取Word文档中的表格的等价HTML表结构代码,演示了VBA调用Python脚本以及获取Python节本输出的方法。

yivifu的专栏 174

OpenCode v2.2 Artifacts 实战:让 Agent 交付可预览 HTML、插件存储与发布治理

OpenCode v2.2.4 新增实验性的 Artifacts 能力,Agent 可以创建、读取、更新、删除并预览 HTML 或静态制品。本文从启用配置、四类核心工具、本地 Provider、插件存储、版本化更新、预览验收到安全与发布治理,给出一套把“代码生成”升级为“可查看、可验收、可追溯交付”的团队实践。

jerry764的博客 407

HTML与CSS基础第十课—HTML的 div 和 span 标签

div和span都表示包住一块东西。但是,从使用场景上看,div一般包裹的是一组结构,而span一般包裹的是一个句子里的几个字。在真正的浏览器里,div和spandiv是块级元素,span是行内元素。什么是块级元素、什么是行内元素,这个概念后面会讲。divspan包住什么一组内容,例如一个标题加一段话一句话里的几个字自己占不占一块占一块,从新的一行开始不占一块,留在行内自己表示什么角色不表示不表示class写在开始标签里,用来给这些普通容器起名字。span同样可以加class,它和。

专注大前端领域,持续分享React、Vue、React-Native、Flutter、跨端等领域内容 413

Nginx出向代理实战系列:安全部门只允许开放点对点SNAT、目标用CDN导致IP动态变化怎么办,网络通却返回HTML踩坑复盘

本文复盘了一次复杂的Nginx出向代理实战:面对CDN动态IP、安全策略限制及七层请求不规范三大难题,通过网络层放宽(支持域名解析)、应用层收紧(硬编码location+白名单逻辑)实现安全隔离;针对“通而不畅”问题,补全Host透传、标准Header与HTTPS配置,最终解决CDN返回HTML而非JSON的典型七层瓶颈。核心启示:网络通≠业务通,外网代理必须满足CDN鉴权要求,安全与业务需在约束中寻找最优解。

个人站点:https://www.heimajinpai.cn/ 499
上一篇: MinerU2.5大模型发布了,有亿点点不一样
下一篇: 超实用!MinerU新增3个新功能,支持文档逐块修正
OpenDataLab
博客等级 码龄4年 636粉丝 135原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值