<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[mochp的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/mochp</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; mochp]]></copyright><item><title><![CDATA[模型大量调参场景中构建任务队列脚本]]></title><link>https://blog.youkuaiyun.com/mochp/article/details/124244735</link><guid>https://blog.youkuaiyun.com/mochp/article/details/124244735</guid><author>mochp</author><pubDate>Mon, 18 Apr 2022 11:17:30 +0800</pubDate><description><![CDATA[场景：模型大量调参场景中构建任务队列脚本
背景：
每次开始调试新算法的时候总会尝试很多新的超参数，总不能等在服务器前，每次实验结束手动启动实验，实在心累。简单写了一个bash脚本，让不同超参数任务排队执行。
其实还有一步骤，要手动记录实验结果，对比分析。目前也没发现好的自动记录工具，大家有好的解决方案欢迎分享。

解决方案：

(python main.py --meta_lr 1e-3 &gt;log1.txt 2&gt;&amp;1 &amp;&amp; python main.py --meta_lr]]></description><category></category></item><item><title><![CDATA[CRNN骨干网络替换指南]]></title><link>https://blog.youkuaiyun.com/mochp/article/details/114259381</link><guid>https://blog.youkuaiyun.com/mochp/article/details/114259381</guid><author>mochp</author><pubDate>Mon, 01 Mar 2021 14:46:58 +0800</pubDate><description><![CDATA[CRNN骨干网络替换指南
 CRNN自2015年发表至今，仍然是OCR领域霸榜的存在。但当时所用的骨干网络直接早已落后于现在的AUTOML搜索，比如：mobilenetv3,efficientnet。如何将这些新型网络应用于CRNN呢，掌握一个 原则，轻松替换你的CRNN骨干网络。

文章目录CRNN骨干网络替换指南前言一、CRNN的骨干网络设计二、修改骨干网络1. 修改为resnet2. 修改为mobilenet3. 修改为efficientnet总结


前言
提示：这里可以添加本文要记录的大概内容：
]]></description><category></category></item><item><title><![CDATA[端到端的票据类版面分析算法（二）]]></title><link>https://blog.youkuaiyun.com/mochp/article/details/110951494</link><guid>https://blog.youkuaiyun.com/mochp/article/details/110951494</guid><author>mochp</author><pubDate>Thu, 10 Dec 2020 14:42:24 +0800</pubDate><description><![CDATA[系列文章目录
文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结


前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于N]]></description><category></category></item><item><title><![CDATA[端到端的票据类版面分析算法（一）]]></title><link>https://blog.youkuaiyun.com/mochp/article/details/109491521</link><guid>https://blog.youkuaiyun.com/mochp/article/details/109491521</guid><author>mochp</author><pubDate>Wed, 04 Nov 2020 16:32:52 +0800</pubDate><description><![CDATA[端到端的OCR版面分析算法OCR版面分析之痛算法设计初衷数据增广策略两种端到端的方案1、基于xgboost的版面分析算法2、基于seq2seq的版面分析算法结语
OCR版面分析之痛
前不久,百度举行了一场paddleocr的算法交流会，了解到OCR之后的版面分析工作大家都是都是规则写的，本人也深受规则之苦。最近受了chineseocr作者模板引擎的启发，做了两个端到端的版面分析方法，希望能够帮到各位ocrer。
算法设计初衷
首先版面分析的算法应该和OCR算法无缝衔接，并且不能干预原始的OCR算法，所以版面]]></description><category></category></item></channel></rss>