CUFEECR的博客

Tesseract OCR是一个开源OCR引擎，用于从图像中提取文本；Pytesseract提供了简单的API，帮助开发者轻松地使用Tesseract引擎来实现图像中文本的识别。本文主要介绍了Windows下安装Tesse下载并安装Tesseract OCR、配置环境变量、Python中安装使用pytesseract等内容。Tesseract OCR是一个本地的图片识别开源引擎，不需要额外的深度学习OCR模型即可实现简单、快速的识别，同时可以通过接口来与多种编程语言对接而集成，可以作为轻量OCR的最佳选择。

PyTorch对NVIDIA显卡的支持最好，但是通过额外配置，也可以支持其他常见显卡，例如通过安装DirectML即可实现使用AMD和Intel显卡，但是性能上可能存在一定的区别，需要根据需要和表现进行灵活选择。

在Python中经常会生成很多随机数，例如Python自带的random库、科学计算库NumPy、深度学习框架PyTorch都可以生成随机数，同时为了固定生产的随机数、使得随机数生成可复现，很多时候都会设置随机种子，但随机种子固定的是随机过程，而不是每一个随机数本身，只要设置了相同的随机数，就会生成一个固定的随机过程，那么不管执行多少次过程，生成的这些随机数都是不变的，只不过每一次结果内部的各个随机数并不保证一致。同时，随机结果与是否在Jupyter中运行并无关系，在.py文件中运行结果也相同。

在进行数据科学任务时，一般会用到交互式开发环境，即Jupyter Notebook，Jupyter lab是Jupyter Notebook的升级版，功能更强大、更好用，但是默认情况下，是不能切换虚拟环境的，只有自带的主环境，对应于conda中的base，而无法显示已经创建好的虚拟环境，此时可以按照以下步骤配置：（1）创建虚拟环境；（2）激活进入虚拟环境；（3）将虚拟环境写入Jupyter的kernel中；（4）在Jupyter Lab中确认，刷新Jupyter Lab的页面，即可查看和切换虚拟环境。

Python有很多机器学习库，在使用的过程中可能会出现各种异常，下面汇总了一些常见的一场和解决办法：sklearn库的LogisticRegression模型训练时警告lbfgs failed to converge (status=1)。sklearn库的LogisticRegression模型使用L1正则报错，需要设置分类器为liblinear。持续更新中...

PyTorch是一个经常用到的机器学习框架，在使用时可能会出现一些异常，这里总结一些常用的异常和解决办法：使用conda安装PyTorch后同时在Jupyter导入失败No module named ‘torch’，需要安装nb_conda_kernels；使用张量时报错expected scalar type Double but found Float，需要将数据类型转为float32；创建Embedding时报错IndexError: index out of range of self。