- 博客(6)
- 收藏
- 关注
RSS订阅原创 bert4keras模型转onnx
bert4keras模型转onnxhttps://kexue.fm/archives/8454#! -*- coding: utf-8 -*-import osos.environ['TF_KERAS'] = '1'from bert4keras.backend import kerasfrom bert4keras.models import build_transformer_modelfrom bert4keras.tokenizers import Tokenizer'''bert
2021-07-20 16:30:18
2125
16
原创 中文文字检测及识别（ORC）
中文文字检测及识别（ORC）https://github.com/471417367/chinese_ocr_api首先基于CTPN检测到文字（可以是中英文以及数字），然后基于RCNN进行文字识别。
2020-03-03 18:32:17
3896
原创 XGBoost快速入门
配合sklearn一起使用XGBoost是可以独立完成的。导模块# 运行 xgboost安装包中的示例程序from xgboost import XGBClassifier# 加载LibSVM格式数据模块from sklearn.datasets import load_svmlight_filefrom sklearn.grid_search import GridSear...
2019-06-06 16:57:23
493
原创 机器学习之决策树
优点具有可读性，分类速度快。步骤特征选择，决策树的生成，决策树的修剪结构决策树是由 有向边 和 结点 组成。结点分 内部结点（一个特征或属性），叶结点（表示一个类）。特征选择熵 H(Y)：表示随机变量不确定性的度量。熵越大，随机变量的不确定性就越大。比如数据样本里面 说方言特征（80%四川话，20%普通话），饮食特征（20%吃辣，20%吃甜，30%吃酸，30%吃麻），饮食特征的...
2019-06-06 15:43:25
377
原创 机器学习入门之svm-knn
先来看一些基本概念什么是统计学？基于数据构建统计模型 从而对数据进行预测与分析。什么是监督学习？学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。（有标签学习）根据输入，输出变量的不同类型，对预测任务给予不同的名称。回归问题： 输入，输出均为连续变量。分类问题： 输出变量为有限个离散变量。过拟合学习时选择的模型所包含的参数过多，以致于出现这一模型对已知数据...
2019-06-06 11:27:37
1268
原创 机器学习入门-朴素贝叶斯
机器学习入门-朴素贝叶斯先了解几个统计学概念1、联合概率：包含多个条件并且所有的条件都同时成立的概率，记为P(X,Y)。什么意思呢？就是P(X=小明，Y=成都)，人口中符合户口在成都，名字叫小明的人比例（概率）是多少,总数（分母）是全国总人口。2、条件概率：已知条件下，另一事件发生的概率。P(X=小明|Y=成都)，在成都，叫小明的人比例（概率）是多少,总数（分母）是成都市人口。3、先检概...
2019-06-06 10:39:30
395
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人