二等碗

由于大多数都是用 windows 环境，尝试搭建一个做测试，所以这边建议使用WSL 来下载一个Linux 系统，我这里就用Ubuntu 来演示。deepseek 手把手搭建

数据持久化是指将数据保存在长期存储介质中，以便稍后检索和使用。在计算机科学中，我们通常将数据存储在文件系统或数据库中。对于 AI 和数据科学领域，数据持久化是至关重要的，因为你需要大量的数据来训练和测试模型。

在构建一个新闻分类模型时，TensorFlow是一个常用的工具，用于开发和训练机器学习模型。TensorFlow是一个广泛使用的开源机器学习框架，可用于构建各种类型的模型，包括神经网络、决策树和深度学习模型等。与此不同，机器学习是使用算法和技术来训练机器或计算机，使其能够自动从数据中学习和改进自身的行为。神经网络模型类似于人类大脑的神经元，因此在进行新闻分类时，我们可以将新闻数据输入神经网络中，然后通过计算得到分类预测结果。我们将从数据准备开始，逐步构建模型，最后进行模型的训练和评估。

自然语言处理(NLP)是人工智能领域的一个重要分支,它的目标是让计算机能够理解、处理和生成人类自然语言的文本数据。NLP技术已经取得了显著的进展,被广泛应用于机器翻译、文本分析、情感分析、智能助手、信息检索等多个领域。NLP技术能够帮助计算机理解人类自然语言,更好地与人类进行交互。例如,智能助手可以通过NLP技术理解用户的语音指令,并生成相应的回复。NLP技术还可以用于文本分析,例如自动分类、信息抽取、关键词提取等任务。NLP技术还可以用于情感分析,帮助人类更好地理解和处理情感数据。

在人工智能领域，文件读写是一项重要的任务，因为需要处理数据集、日志等文件。函数来打开文件，并解释了常见的文件打开模式，如只读、写入和追加模式以及二进制模式。关闭文件：强调了在文件操作完成后关闭文件的重要性，以释放资源和确保数据不会丢失。这是一个良好的习惯，可以确保文件得到适当地关闭，而不会占用资源或导致数据丢失。一旦打开了文件，您可以使用不同的方法来读取文件内容，例如。读取文件内容：文章讨论了不同的方法来读取文件内容，包括使用。要操作文件，首先需要打开它。完成文件操作后，不要忘记关闭文件，以释放文件资源。

人工智能领域需要有效地存储和组织数据，以便进行分析、模型训练和决策。在本文中，会介绍如何使用列表（Lists）、字典（Dictionaries）和集合（Sets）这三种主要的Python数据结构来存储和组织数据。字典是一种键-值对（key-value）的数据结构，用于存储和检索具有唯一键的元素。列表是Python中最常用的数据结构之一，用于存储一组有序的元素。集合是一种无序且不包含重复元素的数据结构，适用于存储独特的值。基础编程中，掌握条件语句、循环语句的使用是至关重要的。

基本运算符是编程中常用的操作符，它们用于执行各种数学和逻辑运算。加法运算符：用于执行加法操作，将两个数相加。result = 5 + 3 # 结果为 8减法运算符：用于执行减法操作，将一个数从另一个数中减去。result = 10 - 4 # 结果为 6乘法运算符：用于执行乘法操作，将两个数相乘。result = 3 * 6 # 结果为 18除法运算符：用于执行除法操作，将一个数除以另一个数。

在上一篇文章中，介绍了如何入门人工智能编程，并开始了学习 Python 编程语言的基础知识。本文是系列文章的第二部分，我们将继续探讨 Python 编程，但这次我们将使用 Visual Studio Code（简称 VSCode）作为我们的集成开发环境（IDE）。F10和F11是在许多集成开发环境（IDE）中用于调试代码的快捷键，包括Visual Studio Code（VSCode）和许多其他IDE。接下来，我们需要安装一些扩展，以便在 VSCode 中更好地编写和调试 Python 代码。

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

本篇文章将介绍 ubuntu supervisor 部署 python 项目Supervisor 是一个用于管理和监控进程的系统工具。它的主要功能是确保系统中的进程持续运行，即使它们意外退出或崩溃，也能自动重启它们，从而提高系统的稳定性和可靠性。

知道型号后，我们就去 nvidia 网站上找到对应的版本，按下面的网址进入后，就可以看到有很多选项，正确填好后，就可以搜索，在搜索结果中，找到对应的版本。因为不同的显卡型号可能需要不同版本的驱动。先用命令 lspci | grep -i nvidia 来查看显卡信息。如图，我们 4090 对应的版本是 535.98 ，在安装的时候用 535 就可以了。我们只要关心 2684 这个数字就行，去下面这个链接。安装NVIDIA驱动： 使用以下命令。运行后如下图就是驱动安装完成了。添加NVIDIA驱动PPA。

简历解析步骤（第二步）技术与实现（9）政治面貌、语言能力、 英语水平、 计算机水平继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所

简历解析步骤（第二步）技术与实现（7）识文字，做分类： 身份证号 、 民族 、 国籍继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面

简历解析步骤（第二步）技术与实现（7）识文字，做分类： 身份证号 、 民族 、 国籍继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面

简历解析步骤（第二步）技术与实现（6）识文字，做分类：婚姻状态 、出生日期 、 户口地址 、 籍贯地址继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别

简历解析步骤（第二步）技术与实现（5）识文字，做分类：身高、体重继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可

简历解析步骤（第二步）技术与实现（4）识文字，做分类：年龄继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可以转换

简历解析步骤（第二步）技术与实现（2）识文字，做分类：性别继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可以转换

简历解析步骤（第二步）技术与实现（2）识文字，做分类继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可以转换的所有

简历解析步骤（第一步）技术与实现（1）识文字，取信息继上篇文章理论：简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可以转换的所有

论简历解析及其步骤简历解析，常见接收到的简历是图片或文档的方式，我们需要先将简历中的文字提取出来，然后再对文字进行算法分析以及AI训练，从而实现解析简历与提高解析度的效果。先介绍我们整个解析过程和训练过程需要用到的技术：文字识别：OCR服务（百度 AI 开放平台：通用文字识别）算法（伪代码：不限语言）AI 机器学习 （ML.NET 或者 Python 一些算法库）步骤： 第一步：通过文字识别的方式，提取出里面所有有价值的内容（可以转换的所有信息：因为本次讲解都是中文，所以接下来都以解析中文简

5、接入微信的前端（1）我们先写好网页部分。这里用到了 jq weui代码如下：<!DOCTYPE html><html> <head> <title>识别人脸</title> <meta charset="utf-8" /> <meta http-equiv="X-UA-Compatible" content="IE=edge" /> <meta name="viewport"

4、调用模型得到模型分析后的结果1、在之前的项目基础上，添加一个文件夹 ModelService , 这个文件夹里面会放我们调用预测的服务2、添加一个类 KouzhaoService ，用于我们 调用预测模型（我们在这里叫他口罩预测服务）3、上核心代码public class KouzhaoService{ /// <summary> /// 获取预测结果 /// </summary> /// <param path=""&gt

3、新建一个 webapi 项目，并实现上传文件的接口功能，让文件可以传输到服务器上1、在使用模型的解决方案中新建 webapi 项目（1）右击解决方案（2）找到添加，点击或鼠标悬停，（3）新建项目[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-guiPuxep-1613978771824)(https://upload-images.jianshu.io/upload_images/25699315-cbfa2ddf8eb72050.png?imageMogr2/a

使用 ML.NET 进行训练模型：机器学习区分戴口罩和不带口罩的人群提前准备好需要训练的模型，可通过下面链接下载https://download.youkuaiyun.com/download/qq_36051316/14919310或者加 qq 群 ： 7040289891、打开软件，准备创建项目，点击：创建爱新项目2、创建一个控制台应用程序：记得选择 .NET core ，选错了就没法使用了选择后点击下一步。3、更改项目名字，我这边使用的是 kouzhao ， 你们也可以换成别的名字，然后点击创建

安装最新的 Visual Studio ，开启ML.NET （机器学习） 预览功能1、安装最新的 IDE 开发工具在浏览器中打开这个网址： https://visualstudio.microsoft.com/zh-hans/在屏幕中间，有 3 个方框 ，第一个：支持 windows、第二个：支持所有平台（跨平台）、第三个支持 macOS 平台（苹果电脑）点击第一个支持 windows 下方有个 下载 Visual Studio 的按钮 ，再选着中间的 Professional 2019 进行下载文

我们这里所讲的内容是针对第一次接触人工智能的 .net 小伙伴们而写的文章。1、安装最新的 Visual Studio ，开启ML.NET （机器学习） 预览功能2、使用 ML.NET 进行训练模型：机器学习区分戴口罩和不带口罩的人群3、将模型放到平台变成可调用的接口4、微信公众号开发接入和调用区分口罩佩戴接口进行识别欢迎进qq群交流：704028989...