学会这个GitHub 20000+ Star的项目,年薪百万不是梦

26- OCR 基于PP-OCRv3的液晶屏读数识别 本项目基于PaddleOCR开源套件,以PP-OCRv3检测和识别模型为基础,针对液晶屏读数识别场景进行优化。PP-OCRv3检测模型是对PP-OCRv2中的CML(Collaborative Mutual Learning) 协同互学习文本检测蒸馏策略进行了升级。如下图所示,CML的核心思想结合了①传统的Teacher指导Student的标准蒸馏与 ②Students网络之间的DML互学习,可以让Students网络互学习的同时,Teacher网络予以指导。 阅读详情

导 读

OCR方向的工程师,之前一定听说过PaddleOCR这个项目,

累计Star数量已超过20000+,

频频登上GitHub Trending和Paperswithcode 日榜月榜第一,

在Medium与Papers with Code 联合评选的《Top Trending Libraries of 2021》,从百万量级项目中脱颖而出,荣登Top10!

在《2021中国开源年度报告》中被评为活跃度Top5!

称它为 OCR方向目前最火的repo绝对不为过。

7d0ed3e59400b8d1e784bea9a671f6c5.gif

PaddleOCR影响力

99f932bc58065bfd8c06e73d0c18a383.gif

PP-OCRv3效果

本次PaddleOCR最新发版,带来四大重磅升级,包括:

一、发布超轻量OCR系统PP-OCRv3:中英文、纯英文以及多语言场景精度再提升5% - 11%!

二、发布半自动标注工具PPOCRLabelv2:新增表格文字图像、图像关键信息抽取任务和不规则文字图像的标注功能。

三、发布OCR产业落地工具集:打通22种训练部署软硬件环境与方式,覆盖企业90%的训练部署环境需求。

四、发布业界首个交互式OCR开源电子书《动手学OCR》,覆盖OCR全栈技术的前沿理论与代码实践,并配套教学视频。

传送门:https://github.com/PaddlePaddle/PaddleOCR

下面我们就对上述升级依次进行说明:

01

PP-OCRv3优化策略详细解读

PP-OCR是PaddleOCR团队自研的超轻量OCR系统,面向OCR产业应用,权衡精度与速度。近期,PaddleOCR团队针对PP-OCRv2的检测模块和识别模块,进行共计9个方面的升级,打造出一款全新的、效果更优的超轻量OCR系统:PP-OCRv3。

从效果上看,速度可比情况下,多种场景精度均有大幅提升:

1.中文场景,相比于PP-OCRv2中文模型提升超5%;

2.英文数字场景,相比于PP-OCRv2英文数字模型提升11%;

3.多语言场景,优化80+语种识别效果,平均准确率提升超5%。

f20bed8cfceb6aa73f3ba2f74c06b511.png

全新升级的PP-OCRv3的整体框架图(粉色框中为PP-OCRv3新增策略)如下图。检测模块仍基于DB算法优化,而识别模块不再采用CRNN,更新为IJCAI 2022最新收录的文本识别算法SVTR (论文名称:SVTR: Scene Text Recognition with a Single Visual Model),并对其进行产业适配。

b625e5a7c3a2846af72050407663a1e1.png

具体的优化策略包括:

1.检测模块

●LK-PAN:大感受野的PAN结构

●DML:教师模型互学习策略

●RSE-FPN:残差注意力机制的FPN结构

2.识别模块

●SVTR_LCNet:轻量级文本识别网络

●GTC:Attention指导CTC训练策略

●TextConAug:挖掘文字上下文信息的数据增广策略

●TextRotNet:自监督的预训练模型

●UDML:联合互学习策略

●UIM:无标注数据挖掘方案

优化策略解读详见第六节。

02

PPOCRLabelv2多项重磅更新

PPOCRLabel是首款开源的OCR半自动数据标注工具,大幅减少开发者标注OCR数据的时间。2021年,项目获得Wave Summit 2021优秀开源项目奖、启智社区优秀项目奖。经过一年的更新迭代,PPOCRLabel结合产业实际落地需求,正式发布PPOCRLabelv2,更新内容如下:

●新增标注类型:表格标注、关键信息标注、不规则文字图像的标注(印章、弯曲文本等)

●新增功能:锁定框、图像旋转、数据集划分、批量处理等

●易用性提升:新增whl包安装、以及优化多处标注体验

b30274c7df6bf1157d16a7f2c83a7edf.gif

54ffd61d338cac05f5609c9a072d190d.gif

f6dde46ae0feb0b65d2935bfde74688d.gif

346d15ee4cade9b142fe9f9f86909784.gif

表格标注动图、KIE标注动图(横向拉动)

03

OCR产业落地工具集

考虑到真实产业应用面对的各种软硬件环境和不同的场景需求,基于飞桨训推一体的功能完备,本次升级发布OCR产业落地工具集,打通22种训练部署软硬件环境与方式,包括3种训练方式、6种训练环境、3种模型压缩策略、和10种推理部署方式,如下表所示:

010102249f49dd728aa69d3acff1483a.png

其中特色能力如下:

1.分布式训练:飞桨分布式训练架构具备4D混合并行、端到端自适应分布式训练等多项特色技术。在PP-OCRv3识别模型训练中,4机加速比达到3.52倍,精度几乎无损。

2.模型压缩:飞桨模型压缩工具PaddleSlim功能完备,覆盖模型裁剪、量化、蒸馏和NAS。PP-OCR模型经过裁剪量化后,模型大小从8.1M压缩至3.5M,移动端平均预测耗时减少36%。

3.服务化部署:飞桨服务化部署引擎Paddle Serving,提供性能优越、功能可靠的模型即服务能力。针对PP-OCR模型的服务化部署,采用全异步的Pipeline Serving,可将吞吐量提升2倍以上。

4.移动端/边缘端部署:飞桨轻量化推理引擎Paddle Lite适配了20+ AI 加速芯片,可以快速实现OCR模型在移动设备、嵌入式设备和IOT设备等高效设备的部署。

5.云上飞桨:面向飞桨框架及其模型套件的部署工具箱,支持 Docker 化部署和 Kubernetes 集群部署两种方式,满足不同场景与环境下OCR模型的训练部署需求。

04

《动手学OCR》电子书

《动手学OCR》是PaddleOCR团队携手华中科技大学博导/教授,IAPR Fellow 白翔、复旦大学青年研究员陈智能、中国移动研究院视觉领域资深专家黄文辉等产学研同仁,以及OCR开发者共同打造的结合OCR前沿理论与代码实践的教材。主要特色如下:

●覆盖从文本检测识别到文档分析的OCR全栈技术

●紧密结合理论实践,跨越代码实现鸿沟,并配套教学视频

●Notebook交互式学习,灵活修改代码,即刻获得结果

cdf942d6167fb2db897318b2647f3ed9.png

125d84d19aa571293d3278efa5de9c59.png

654401fe1fb969c851c1d5b3106e49bc.png

233bf72b97d951e9b0f5173198d68275.png

(可竖向拉动多图)

05

加入PaddleOCR技术交流群 

获取精品直播课/学习大礼包等福利!

入群福利:

1. 获取5月11-13日每晚20:30《OCR超强技术详解与产业应用实战》的直播课链接

2. 获取10G重磅OCR学习大礼包,包括:

●《动手学OCR》电子书,配套讲解视频和notebook项目

●66篇OCR相关顶会前沿论文打包放送,包括CVPR、AAAI、IJCAI、ICCV等

●PaddleOCR历次发版直播课视频

●OCR社区优秀开发者项目分享视频

报名方式:微信扫描二维码并填写问卷之后,加入交流群领取以上福利。

21174945e61da7d60c9884c401791f5a.png

248ff31b618ab129fb768d6720095a00.png

大家如果觉得不错,建议访问GitHub点个star关注收藏哈。

https://github.com/PaddlePaddle/PaddleOCR

ad127ef7d836e3fd7b2b0117f426a5d4.png

官网地址:https://www.paddlepaddle.org.cn

PaddleOCR项目地址:

GitHub: https://github.com/PaddlePaddle/PaddleOCR

Gitee: https://gitee.com/paddlepaddle/PaddleOCR

注:[1] 测试样例图片源于网络

06

PP-OCRv3优化策略详解

1.检测模块优化策略

PP-OCRv3检测模块对PP-OCRv2中的CML(Collaborative Mutual Learning) 协同互学习文本检测蒸馏策略进行了升级。如下图所示,CML的核心思想结合了①传统的Teacher指导Student的标准蒸馏与 ②Students网络之间的DML互学习,可以让Students网络互学习的同时,Teacher网络予以指导。PP-OCRv3分别针对教师模型和学生模型进行进一步效果优化。其中,在对教师模型优化时,提出了大感受野的PAN结构LK-PAN和引入了DML(Deep Mutual Learning)蒸馏策略;在对学生模型优化时,提出了残差注意力机制的FPN结构RSE-FPN。消融实验如下表所示。

773d4257efde60aed3f20d12cef1f813.png

bc46a8405305a610e7fe836d17322e33.png

测试环境:Intel Gold 6148 CPU,预测时开启MKLDNN加速。

01

LK-PAN:大感受野的PAN结构

LK-PAN (Large Kernel PAN) 是一个具有更大感受野的轻量级PAN结构,核心是将PAN结构的path augmentation中卷积核从3*3改为9*9。通过增大卷积核,提升特征图每个位置覆盖的感受野,更容易检测大字体的文字以及极端长宽比的文字。使用LK-PAN结构,可以将教师模型的hmean从83.2%提升到85.0%。

02

DML:教师模型互学习策略

DML 互学习蒸馏方法,通过两个结构相同的模型互相学习,可以有效提升文本检测模型的精度。教师模型采用DML策略, hmean从85%提升到86%。将PP-OCRv2中CML的教师模型更新为上述更高精度的教师模型,学生模型的hmean可以进一步从83.2%提升到84.3%。

03

RSE-FPN:残差注意力机制的FPN结构

RSE-FPN(Residual Squeeze-and-Excitation FPN)引入残差结构和通道注意力结构,将FPN中的卷积层更换为带有残差结构的通道注意力结构的RSEConv层,进一步提升特征图的表征能力。进一步将PP-OCRv2中CML的学生模型的FPN结构更新为RSE-FPN,学生模型的hmean可以进一步从84.3%提升到85.4%。

2.识别模块优化策略

PP-OCRv3的识别模块是基于文本识别算法SVTR优化。SVTR不再采用RNN结构,通过引入Transformers结构更加有效地挖掘文本行图像的上下文信息,从而提升文本识别能力。直接将PP-OCRv2的识别模型,替换成SVTR_Tiny,识别准确率从74.8%提升到80.1%(+5.3%),但是预测速度慢了将近11倍,CPU上预测一条文本行,将近100ms。因此,如下图所示,PP-OCRv3采用如下6个优化策略进行识别模型加速,消融实验如下表所示。

6a5b3199226eb3c95e372f8156264485.png

注:测试速度时,实验01-03输入图片尺寸均为(3,32,320),04-08输入图片尺寸均为(3,48,320)。在实际预测时,图像为变长输入,速度会有所变化。测试环境:Intel Gold 6148 CPU,预测时开启MKLDNN加速。

947efc10fd70a70a25e8d05ca8aea579.png

01

SVTR_LCNet:轻量级文本识别网络

SVTR_LCNet是针对文本识别任务,将Transformer网络和轻量级CNN网络PP-LCNet 融合的一种轻量级文本识别网络。使用该网络,并且将输入图片规范化高度从32提升到48,预测速度可比情况下,识别准确率达到73.98%,接近PP-OCRv2采用蒸馏策略的识别模型效果。

02

GTC:Attention指导CTC训练策略

GTC(Guided Training of CTC),利用Attention指导CTC训练,融合多种文本特征的表达,是一种有效的提升文本识别的策略。使用该策略,识别模型的准确率进一步提升到75.8%(+1.82%)。

03

TextConAug:挖掘文字上下文信息的数据增广策略

TextConAug是一种挖掘文字上下文信息的数据增广策略,可以丰富训练数据上下文信息,提升训练数据多样性。使用该策略,识别模型的准确率进一步提升到76.3%(+0.5%)。

04

TextRotNet:自监督的预训练模型

TextRotNet是使用大量无标注的文本行数据,通过自监督方式训练的预训练模型。该模型可以初始化SVTR_LCNet的初始权重,从而帮助文本识别模型收敛到更佳位置。使用该策略,识别模型的准确率进一步提升到76.9%(+0.6%)。

05

联合互学习策略

UDML(Unified-Deep Mutual Learning)联合互学习是PP-OCRv2中就采用的对于文本识别非常有效的提升模型效果的策略。在PP-OCRv3中,针对两个不同的SVTR_LCNet和Attention结构,对他们之间的PP-LCNet的特征图、SVTR模块的输出和Attention模块的输出同时进行监督训练。使用该策略,识别模型的准确率进一步提升到78.4%(+1.5%)。

06

无标注数据挖掘方案

UIM(Unlabeled Images Mining)是一种非常简单的无标注数据挖掘方案。核心思想是利用高精度的文本识别大模型对无标注数据进行预测,获取伪标签,并且选择预测置信度高的样本作为训练数据,用于训练小模型。使用该策略,识别模型的准确率进一步提升到79.4%(+1%)。

经过上述文本检测和文本识别9个方面的优化,最终PP-OCRv3在速度可比情况下,在中文场景端到端Hmean指标相比于PP-OCRv2提升5%,效果大幅提升。具体指标如下表所示:

417b84cb515cbf60be41f818fdeb885b.png

在英文数字场景,基于PP-OCRv3单独训练的英文数字模型,相比于PP-OCRv2的英文数字模型提升11%,如下表所示。

648bff504e3d09ab3e36d6c8d9cc3263.png

在多语言场景,基于PP-OCRv3训练的模型,在有评估集的四种语系,相比于PP-OCRv2,识别准确率平均提升5%以上,如下表所示。同时,PaddleOCR团队基于PP-OCRv3更新了已支持的80余种语言识别模型。

9764aa41d6dd7d547e014265f6020945.png

想了解更多技术详细解读,欢迎扫码加入技术交流群。

02697029da38bf1f33fcfb6ae357f51d.png

大家如果觉得不错,建议访问GitHub点个star关注收藏哈。

https://github.com/PaddlePaddle/PaddleOCR

216c34285fcc95d400d5cf5acd45621b.png

工业级OCR进阶:用PP-OCRv3改造古籍识别系统 《基于PP-OCRv3的古籍数字化识别系统设计与实现》 摘要:本文针对古籍数字化的特殊需求,提出基于PP-OCRv3的定制化OCR解决方案。古籍识别面临四大核心挑战:竖排不规则版式、复杂干扰元素(印章/批注)、庞大字符集(异体字/冷僻字)和图像质量劣化。通过改进检测网络结构、引入竖排旋转预处理、扩展字符集、优化后处理流程等策略,系统在测试集上实现CER 8.4%(较基线提升40%)、端到端F1 82.3%的精度。重点阐述了数据合成方法(模拟竖排文本/印章干扰)、工业级部署方案(ONNX/TensorRT优化 阅读详情

相关推荐

TextCNN模型原理

TextCNN模型原理

for_yayun的博客 4841

基于PP-OCRv3的手写文字识别

PP-OCRv3的识别模块是基于文本识别算法SVTR优化。SVTR不再采用RNN结构,通过引入Transformers结构更加有效地挖掘文本行图像的上下文信息,从而提升文本识别能力。如下图所示,PP-OCRv3采用了6个优化策略。SVTR_LCNet:轻量级文本识别网络GTC:Attention指导CTC训练策略TextConAug:挖掘文字上下文信息的数据增广策略TextRotNet:自监督的预训练模型UDML:联合互学习策略UIM:无标注数据挖掘方案详细优化策略描述请参考。

胭脂草的ABC博客 1618

国内GitHub镜像站搭建:可控同步与高可用架构实践

Git镜像站是解决跨境代码分发不稳定的核心基础设施,其本质是在Git协议层构建本地化缓冲通道,通过完整复刻远程仓库的对象图(commit/tree/blob/tag)实现可控、可观测、可降级的代码访问。技术原理依赖bare repository+增量fetch机制,结合refspec精准控制同步范围,并利用git-http-backend提供标准HTTP/HTTPS服务。相比代理方案,真镜像保障协议兼容性、对象完整性与权限隔离,显著提升CI/CD稳定性与教学场景可用性。典型应用场景包括高校开源课程加速、Io

weixin_33804582的博客 498

【官方】十分钟完成 PP-OCRv3 识别全流程实战

转自AI Studio,原文链接: 【官方】十分钟完成 PP-OCRv3 识别全流程实战 - 飞桨AI Studio 十分钟完成 PP-OCRv3 识别全流程实战 项目地址:PaddleOCR github 地址:https://github.com/PaddlePaddle/PaddleOCR PaddleOCR是百度开源的超轻量级OCR模型库,提供了数十种文本检测、识别模型,旨在打造一套丰富、领先、实用的文字检测、识别模型/工具库,助力使用者训练出更好的模型,并应用落地。同时PaddleOC.

m0_63642362的博客 2万+

基于DeepSeek V4 Pro与Three.js的3D银河系漫游应用开发实战

WebGL作为在浏览器中渲染交互式3D图形的核心技术,通过JavaScript API为开发者提供了无需插件的高性能图形处理能力。其底层基于OpenGL ES标准,能够直接调用GPU进行硬件加速渲染,这使得在网页中实现复杂的可视化场景成为可能。Three.js作为WebGL的高级封装库,通过简化几何体创建、材质设置、光照管理和相机控制等复杂操作,大幅降低了3D图形编程的门槛,为前端开发者提供了构建沉浸式体验的工程化工具。在AI大模型技术快速发展的背景下,DeepSeek V4 Pro凭借其强大的代码生成能力

weixin_30596343的博客 373

苹果AI灰度测试、Grok安全漏洞与罗马仕重组背后的AI落地三重断层

AI大模型正从技术概念加速迈向终端落地,但其产业化进程面临合规性、内容安全与硬件适配三重基础挑战。原理上,AI落地需协同算法能力、算力载体与监管框架,缺一不可;技术价值体现在端云协同效率提升、中文语义对齐精度增强及边缘智能响应速度优化;典型应用场景覆盖智能终端(如iOS国行AI)、开源模型中文内容治理(如Grok RLHF加固)、以及传统硬件AI化升级(如充电宝能源调度)。当前产业瓶颈集中于中文价值观标注体系缺失与AI-ready芯片生态不成熟——这正是苹果灰度测试受阻、Grok低俗内容频发、罗马仕启动‘重

weixin_30535843的博客 330

GitHub Star 20000+,这个项目价值百万

导 读OCR方向的工程师,之前一定听说过PaddleOCR这个项目,累计Star数量已超过20000+,频频登上GitHubTrending和Paperswithcode日榜月榜第一,在Medium与Papers with Code 联合评选的《Top Trending Libraries of 2021》,从百万量级项目中脱颖而出,荣登Top10!在《2021中国开...

OpenCV中文网 2549

告别Colmap!在ROS2 Humble上,用Fast-LIVO2直接为3D Gaussian Splatting准备数据全流程

本文详细介绍了在ROS2 Humble环境下,使用Fast-LIVO2为3D Gaussian Splatting(3DGS)准备数据的全流程。通过优化Fast-LIVO2配置、实时数据同步机制和3DGS训练参数,显著提升了三维重建效率和质量,相比传统Colmap流程节省95%以上的预处理时间。适用于Ubuntu22.04系统,适合机器人及自动驾驶领域的三维重建应用。

weixin_28688385的博客 590

3年,阅读量100万+, Github Star 15000+

超过预期。这两天突然发现,三年前在博客园写的一篇文章阅读量超过百万了,对,还是技术文章。这个让我蛮惊讶的,当时刚开始写这篇文章的时候,一周的阅读量也才两三千,随着时间慢慢...

纯洁的微笑 864

AFSim插件开发实战:从环境搭建到功能扩展

本文详细介绍了AFSim插件开发的完整流程,从环境搭建到功能扩展,涵盖了SDK配置、插件创建、核心代码解析、功能扩展实战、调试优化以及高级开发技巧。通过实战案例和实用技巧,帮助开发者快速掌握AFSim插件开发,提升仿真系统的扩展性和灵活性。

weixin_29309475的博客 581

实战指南:在摩尔线程GPU上部署AI模型的完整流程

本文提供了一份详尽的实战指南,手把手教你如何在摩尔线程GPU上成功部署AI模型。内容涵盖从驱动安装、Docker环境配置,到核心的代码适配与模型运行全流程,并分享了性能调优技巧与常见避坑方法,旨在帮助开发者高效利用国产硬件进行AI应用开发。

weixin_29271263的博客 552

GitHub Star 20000+,程序员圈里都炸锅了!

导 读OCR方向的工程师,之前一定听说过PaddleOCR这个项目,累计Star数量已超过20000+,频频登上GitHubTrending和Paperswithcode日榜月榜第一,在Medium与Papers with Code 联合评选的《Top Trending Libraries of 2021》,从百万量级项目中脱颖而出,荣登Top10!在《2021中国开...

Python小二 934

深度学习暑期科研项目(两个月发EI论文)

对本科生而言,越早接触系统的科研训练开始上手科研项目,就越能在未来的升学求职中占据很大的优势。暑假是提升个人简历、丰富科研经历的最佳时期!哈尔滨工业大学博士师兄也会在8月1日开始带大家上手科研项目,并撰写发表EI会议论文。

Magnolia_He的博客 1444

3 天就斩获 20000 星!这个 GitHub 开源项目凭啥?

把开源项目 Clone 下来,然后租一台 8XH100 的服务器,执行 bash speedrun.sh ,运行4 小时后用如下命令启动网页 UI。比如分词用 rustbpe 模块,训练用 scripts 里的 base_train.py,网页服务靠 scripts.chat_web。,在 2015-2017 年参与深度学习、生成模型和强化学习工作,推动了 GPT 模型的早期探索,并协助公司搭建技术团队。从分词,到用预训练、微调,再到评估模型能力、推理,最后搭个网页界面。

公众号:逛逛GitHub 1020

智能车竞赛飞檐走壁组赛道制作全攻略:从电磁线铺设到立体元素搭建

本文提供了智能车竞赛飞檐走壁组赛道制作的完整指南。从电磁线选材、电流控制与精准铺设等基础入手,详细解析了垂直墙面、圆筒、跷跷板等核心立体元素的构建技巧与过渡处理。重点分享了确保赛道稳定、符合规则且便于调试的实战经验,帮助参赛队伍搭建可靠的立体赛道,为车模算法调试奠定坚实基础。

weixin_29292535的博客 1302

将3DMax编辑的动画,导入给已经绑定蒙皮好的模型给Unity使用

现在程序猿想做独立游戏,即容易,也难。 说容易,引擎越来越傻瓜化。 说难,到哪去找靠谱的美术? 好在伟大的AssetStore(还有淘宝上)有大批不赖的资源可以用。 现成的模型,是好,但是,没有配套的动作,却是一件让人头疼的事情,即使用IK动画,也不能完美的弥补这一缺陷。 虽然Unity具备 retargeting 功能,但是,也不是万能的,很多情况下,非标准的骨骼会导致

正经的时候都在打游戏 1万+

GitHub 20000+ Star,超轻量OCR系统PP-OCRv3效果再提升5% - 11%!

导 读OCR方向的工程师,之前一定听说过PaddleOCR这个项目,累计Star数量已超过20000+,频频登上GitHubTrending和Paperswithcode日榜月榜第一,在Medium与Papers with Code 联合评选的《Top Trending Libraries of 2021》,从百万量级项目中脱颖而出,荣登Top10!在《2021中国开...

小白学视觉 890

S905L3B机顶盒刷Armbian:从安卓Root到eMMC全攻略

在嵌入式开发与轻量级服务器搭建中,ARM架构设备因其低功耗和高性价比备受关注。晶晨S905L3B作为运营商机顶盒的主流芯片,通过刷写Armbian系统可将其改造为ARM小服务器。其原理是利用Amlogic芯片的uboot引导机制,将Linux系统写入eMMC存储,从而脱离原厂安卓限制。这一方案的技术价值在于以极低成本实现Docker容器、下载机、轻量数据库等服务的部署,应用场景涵盖家庭网络广告过滤、智能家居控制、复古游戏机等。本文以CM311-1S为例,详细拆解从安卓9 Root到Armbian写入eMMC

weixin_31476015的博客 344

REA 逆向分析技能安装指南:一条命令让 AI 助手上手逆向分析

你手里只有一个装好的应用,没有源码,想知道它的搜索功能是怎么实现的。过去你只能打开反编译器逐条看反汇编;现在用 REA(npm 包名 `rea-agents`)的 reverse-engineer-anything 技能,直接在 AI 编码助手里用自然语言提问,它会替你追踪功能实现,每个结论都附上证据。整个安装只需一条命令。 ## 它到底能干什么 把它理解成一份写给 AI 助手的逆向作业流程:

gitblog_00961的博客 268

《UDS/OBD诊断需求编辑工具》总目录

目录 1 基于CANdela Studio编辑CDD诊断描述文件 2 基于ODX Studio编辑ODX/PDX文件 2.1 编辑ODX-D诊断描述文件 2.2 编辑ODX-F刷写软件 该专栏主要负责介绍CANdela Studio和ODX Studio编辑CDD/ODX/PDX诊断描述文件。 1 基于CANdela Studio编辑CDD诊断描述文件 2 基于ODX Studio编辑ODX/PDX文件 【ODX介绍 】-1- 标准梳理 【ODX介绍】 -2-如何手..

「汽车电子助手」的博客 1万+

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

NLP工程落地选型指南:5个经实战检验的必备库

自然语言处理(NLP)库选择是工程落地的关键起点,其核心不在功能堆砌,而在输入鲁棒性、错误可解释性与部署轻量化。spaCy以工业级中文分词和实体识别见长,Hugging Face Transformers凭借开箱即用的注意力可视化与跨任务统一接口,成为可解释AI实践首选;NLTK在古籍文本与部首语义分析中不可替代;Gensim主导高效主题建模;TextBlob则以极低认知成本实现产品经理级语义洞察。本文基于17个真实NLP项目故障回溯数据,聚焦‘30分钟端到端闭环’与‘3行代码定位异常’两大工程铁律,系统拆

weixin_30487201的博客 371

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")

【Reading Notes】(7)Favorite Articles from 2024

我可以毫不犹豫地告诉你们,你们所做的每一个决定、每一项努力、每一次招聘、取得的每一个成就,以及你们所塑造的公司文化,都将在接下来的30天内决定公司的命运——是充满活力、持续成功,还是走向破产。这种需要,具体而言,就是客户在模型上的选择,毕竟“没有一个模型可以一统天下”,每个模型都有自己所擅长的领域。这次,OpenAI着重介绍了Sora的几项功能:Remix(重混)、Re-cut(重新剪辑)、Storyboard(故事板)、Loop(循环)、Blend(混合)以及Style presets(风格预设)。

bryant_meng 9857

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Qwen3.7六大生产级故障实录:长文本截断、状态崩塌与幻觉生成

大语言模型的长上下文处理与多轮对话能力,是企业级AI应用落地的核心技术基础。其原理涉及KV缓存管理、位置编码稳定性、注意力机制归一化及结构化输出约束等底层机制,技术价值在于支撑高可信度的文档摘要、客服系统与自动化代码生成。典型应用场景包括技术白皮书解析、跨轮次运维问答、异步服务开发与JSON接口构建。然而实测发现,Qwen3.7在长文本‘幽灵截断’、多轮对话记忆覆写、代码竞态生成及中英混合语义漂移等方面存在系统性缺陷,根源直指dynamic_kv_pruning与hallucination_filler等新

weixin_30919571的博客 404

智能体开发的认知重构:从框架使用到工程范式迁移

智能体(Agent)不是大模型的简单应用,而是软件工程范式的底层演进,其核心在于将控制流从硬编码逻辑转向语言模型驱动的动态决策链。理解Agent需超越‘调API’和‘拖拽流程图’,深入掌握目标导向、自我反思与状态演化等原理。技术价值体现在应对不确定场景的能力跃升,尤其在金融风控、电商导购、工业运维等强业务语义领域。真实落地依赖对多智能体协作、工具语义化、三层记忆体系及通信协议(如MCP/A2A)的系统性实践。本文聚焦AI原生派路径,结合LangGraph、AutoGen等主流框架,拆解从单体Agent到生产

weixin_34393428的博客 411

PALM-2可解释性架构:符号推理+归因元数据驱动AI可信落地

大语言模型的可解释性正从后验分析转向内生能力,其核心在于将自然语言理解解耦为语义解析、符号推理与动作生成三层结构。PALM-2通过符号图编译器和归因元数据包(AMP)实现决策路径的结构化输出,使模型不仅能回答问题,更能同步提供证据链、置信度评分与知识缺口标记。这种‘白箱符号演算’范式显著提升金融、医疗、合规等强监管场景下的AI可信度与审计友好性,同时降低对复杂prompt工程的依赖。结合企业知识图谱接入与动态路由机制,PALM-2在保障低延迟的同时,真正实现了‘答得对’且‘信得过’的技术闭环。

weixin_34406086的博客 410

ARM Cortex-M边缘AI唤醒模型源码深度解析

关键词唤醒(KWS)是嵌入式语音交互的基础技术,其核心在于在资源严苛的MCU上实现低延迟、高鲁棒的实时推理。原理上需兼顾声学特征提取(如MFCC、Mel频谱)、轻量模型部署与中断安全执行;技术价值体现在功耗控制、内存优化与硬件加速协同;典型应用场景包括智能门锁、家电语音控制及可穿戴设备。本文聚焦ARM Cortex-M平台,深入剖析ML-KWS-for-MCU开源项目的静态架构、CMSIS-DSP定点实现、内存布局陷阱及ARM Compiler 5.06u7工具链适配,覆盖唤醒模型量化压缩、DMA竞态规避与

weixin_34159110的博客 321
上一篇: 瞬间5k+ star,马斯克以440亿美元收购Twitter并宣布将开源
下一篇: 同事多线程使用不当导致OOM,被我怼了一顿
公众号:【GitHub爱好者社区】
博客等级 码龄6年 358粉丝 48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