从零开发短视频电商 Tesseract OCR 的 Java 拓展库 javacpp-presets

文章目录

    • 简介
    • 添加依赖
    • 识别示例
      • 示例一 识别本地图片
      • 示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）
      • 示例三 使用迭代器遍历识别结果及其选择项
      • 示例四 方向和脚本检测
      • 示例五 结果迭代器
      • 示例六 设置引擎、页面分割模式、语言
      • 示例七 识别限制为图像的子矩形

简介

项目地址：https://github.com/bytedeco/javacpp-presets

JavaCPP:

JavaCPP 是一个用于在 Java 中使用本地库的工具，它允许通过 Java 代码访问本地（C/C++）库，而无需编写过多的本地代码。这种方法可以使 Java 与其他语言编写的库进行集成，提供了对性能关键的原生功能的访问。JavaCPP 使用 Java 注解和本地代码生成，使得在 Java 中调用本地代码变得相对容易。

javacpp-presets:

javacpp-presets 是 JavaCPP 的一个相关项目，它提供了预定义的配置（presets）和原生库绑定，以便在 Java 中使用。这些预定义的配置通常与特定的本地库相关联，允许 Java 开发人员轻松地在其项目中使用这些库。

具体而言，https://github.com/bytedeco/javacpp-presets 存储了由 JavaCPP 团队提供的预定义配置，以支持许多常见的本地库。这些预定义配置文件中包含了与本地库相关的 Java 接口和本地代码，使得 Java 开发者可以方便地在其 Java 项目中集成这些本地库。

一些例子可能包括 OpenCV、FFmpeg、tesseract、TensorFlow 等库的预定义配置，让您能够在 Java 中直接使用它们的功能，而无需深入了解本地代码的细节。

总的来说，javacpp-presets 是一个简化在 Java 中使用本地库的工具，使得开发人员可以更轻松地利用性能强大的本地库功能。

添加依赖

<dependency><groupId>org.bytedeco</groupId><artifactId>tesseract-platform</artifactId><version>5.3.1-1.5.9</version>
</dependency>

https://central.sonatype.com/artifact/org.bytedeco/tesseract-platform

将下载适用于所有平台的二进制文件，导致打包后的包特别大。

这样会导致我们打出的包特别大，所以要瘦身。

方式一 仅获取某个平台的二进制文件，我们可以将 javacpp.platform系统属性（通过 -D 命令行选项）设置为类似 android-arm、linux-x86_64、macosx-x86_64、windows-x86_64 等。

mvn -Djavacpp.platform=linux-x86_64 ...

我们还可以指定多个平台，要包含 2 个或更多平台的二进制文件，我们可以依赖不同的配置文件集，但始终首先通过设置 javacpp.platform.custom 系统属性来重置 javacpp.platform 的默认值。例如，在主机平台的情况下，加上 Mac 和 Windows，我们可以使用以下命令：

mvn -Djavacpp.platform.custom -Djavacpp.platform.host -Djavacpp.platform.macosx-x86_64 -Djavacpp.platform.windows-x86_64 ...

方式二（推荐 推荐） 如果你只需要 Windows 64 和 Linux 64 的依赖，你可以通过指定这两个平台的依赖来优化你的 Maven 配置。具体来说，你可以使用下面的配置：

<dependencies>//<dependency> 不要这个大而全的方式//<groupId>org.bytedeco</groupId>// <artifactId>tesseract-platform</artifactId>// <version>5.3.1-1.5.9</version>//</dependency><!-- java代码 --><dependency> <groupId>org.bytedeco</groupId><artifactId>tesseract</artifactId><version>5.3.1-1.5.9</version></dependency><!-- 动态库文件 这里只需要 linux 和 Windows的动态库，会减少打包后的体积 --><dependency><groupId>org.bytedeco</groupId><artifactId>tesseract</artifactId><version>5.3.1-1.5.9</version><classifier>windows-x86_64</classifier></dependency><dependency><groupId>org.bytedeco</groupId><artifactId>tesseract</artifactId><version>5.3.1-1.5.9</version><classifier>linux-x86_64</classifier></dependency><!-- tesseract 强依赖 leptonica --><dependency><groupId>org.bytedeco</groupId><artifactId>leptonica</artifactId><version>1.83.0-1.5.9</version><classifier>windows-x86_64</classifier></dependency><dependency><groupId>org.bytedeco</groupId><artifactId>leptonica</artifactId><version>1.83.0-1.5.9</version><classifier>linux-x86_64</classifier></dependency></dependencies>

这样的配置只会下载和安装 tesseract 的 Windows 64 和 Linux 64 版本的依赖，而不会下载和安装其他平台的依赖。

支持的平台名称列表：

  • android-arm
  • android-arm64
  • android-x86
  • android-x86_64
  • ios-arm64
  • ios-x86_64
  • linux-armhf
  • linux-arm64
  • linux-ppc64le
  • linux-x86
  • linux-x86_64
  • macosx-arm64
  • macosx-x86_64
  • windows-x86
  • windows-x86_64

识别示例

https://tesseract-ocr.github.io/tessdoc/APIExample

https://github.com/tesseract-ocr/tessdoc/tree/main/examples

首先要下载训练数据：

有三个仓库可以下载，但是它们的精度和速度有所不同：

  1. tessdata：这个仓库包含了Tesseract 4.0的原始训练数据，这些数据在精度和速度之间达到了一种平衡。如果你在精度和速度之间都有需求，可以使用这个仓库的数据。
  2. tessdata_best：这个仓库包含了Tesseract 4.0的最高精度训练数据，这些数据的识别精度更高，但是运行速度较慢。如果你的应用场景对识别精度有很高的要求，可以使用这个仓库的数据。
  3. tessdata_fast：这个仓库包含了Tesseract 4.0的快速训练数据，这些数据的运行速度更快，但是识别精度较低。如果你的应用场景对运行速度有很高的要求，可以使用这个仓库的数据。

在选择训练数据时，你需要根据你的应用场景和需求进行权衡。如果你对识别精度和运行速度都有一定的要求，可以尝试使用不同仓库的数据，看看哪种数据最适合你的需求。

我这里只下载了tessdata_best中的eng.traineddata。

示例一 识别本地图片

import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;public class BasicExample {public static void main(String[] args) {BytePointer outText;// 初始化 Tesseract APITessBaseAPI api = new TessBaseAPI();// 使用英语初始化 tesseract-ocr，不指定 tessdata 路径if (api.Init(null, "eng") != 0) {System.err.println("无法初始化 Tesseract。");System.exit(1);}// 使用 Leptonica 库打开输入图像PIX image = pixRead("/usr/src/tesseract/testing/phototest.tif");api.SetImage(image);// 获取 OCR 结果outText = api.GetUTF8Text();System.out.println("OCR 输出:\n" + outText.getString());// 销毁使用的对象并释放内存api.End();outText.deallocate();pixDestroy(image);}
}

示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）

GetComponentImages这个功能在许多场景下都可能会用到，以下是一些常见的应用场景：

  1. 文本定位和提取：在图像处理或计算机视觉的应用中，经常需要定位并提取出图像中的文本内容。例如，在车牌识别、名片识别、表格识别等场景中，我们需要找到并读取图像中的文本信息。
  2. 文档分析：在处理扫描或拍摄的文档时，我们可能需要分析文档的布局，识别并提取出文档中的标题、段落、表格等各个部分。这时，我们可以使用GetComponentImages方法找到各个部分的位置和大小。
  3. OCR后处理：在使用OCR技术识别文本后，我们可能需要对识别结果进行后处理，例如纠正错误、提高识别精度等。在这些场景中，我们可以使用GetComponentImages方法获取每个字符或单词的位置和大小，然后根据这些信息进行后处理。

以上只是一些常见的应用场景，实际上，GetComponentImages这个功能在任何需要分析图像内容、提取图像中的特定部分，或处理图像中的文本的应用中都可能会用到。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;public class GetComponentImagesExample {public static void main(String[] args) throws Exception {BytePointer outText;// 初始化 Tesseract APITessBaseAPI api = new TessBaseAPI();// 使用英语初始化 tesseract-ocr，并使用标准 ENV 变量初始化 tessdata 路径if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {System.err.println("无法初始化 Tesseract。");System.exit(1);}// 使用 Leptonica 库打开输入图像URL url = new URL("https://img-blog.csdnimg.cn/direct/37d4f5eac7f442bea2d268982fd6c3d7.png");File file = Loader.cacheResource(url);PIX image = pixRead(file.getAbsolutePath());api.SetImage(image);// 查找所有组件图像int[] blockIds = {};// BOXA对象，包含了图像中每一行文本的边界框（即每一行文本的位置和大小）。BOXA boxes = api.GetComponentImages(RIL_TEXTLINE, true, null, blockIds);for (int i = 0; i < boxes.n(); i++) {// 对于每个图像框，OCR 在其区域内进行BOX box = boxes.box(i);api.SetRectangle(box.x(), box.y(), box.w(), box.h());outText = api.GetUTF8Text();String ocrResult = outText.getString();// 使用MeanTextConf方法计算这个区域的平均置信度。int conf = api.MeanTextConf();String boxInformation = String.format("Box[%d]: x=%d, y=%d, w=%d, h=%d, confidence: %d, text: %s", i, box.x(), box.y(), box.w(), box.h(), conf, ocrResult);System.out.println(boxInformation);outText.deallocate();}// 销毁使用的对象并释放内存api.End();pixDestroy(image);}
}

图片为:
在这里插入图片描述

结果为：

Box[0]: x=67, y=85, w=1264, h=160, confidence: 82, text: The Quick BrownBox[1]: x=71, y=251, w=1168, h=160, confidence: 94, text: Fox Jumps OverBox[2]: x=67, y=418, w=1049, h=160, confidence: 69, text: lhe Lazy Dog.Box[3]: x=65, y=582, w=1811, h=71, confidence: 73, text: abcdefghijklmnopqrstuvwxyz0123456789 | | ( ) { } /\ < >

示例三 使用迭代器遍历识别结果及其选择项

使用 Tesseract OCR 对给定的图像进行文本识别，并通过迭代器遍历输出每个识别结果及其选择项（如果有的话）。在处理图像的过程中，它使用 Leptonica 库打开图像，并通过 Tesseract API 进行文本识别。输出包括每个识别到的符号（symbol）以及其对应的置信度，以及针对每个符号的选择项及其置信度。此程序可以用于分析文本中的字符及其置信度，以及可能的替代选择项。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;public class IteratorOverClassifierChoicesExample {public static void main(String[] args) throws Exception {BytePointer outText;BytePointer choiceText;// 创建 Tesseract API 对象TessBaseAPI api = new TessBaseAPI();// 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {System.err.println("Could not initialize tesseract.");System.exit(1);}// 使用 Leptonica 库打开输入图像URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");File file = Loader.cacheResource(url);PIX image = pixRead(file.getAbsolutePath());api.SetImage(image);// 创建 Tesseract 文本监视器ETEXT_DESC recoc = TessMonitorCreate();api.Recognize(recoc);// 获取结果迭代器ResultIterator ri = api.GetIterator();int pageIteratorLevel = RIL_SYMBOL;if (ri != null) {do {// 获取当前迭代器位置的文本和置信度outText = ri.GetUTF8Text(pageIteratorLevel);float conf = ri.Confidence(pageIteratorLevel);String symbolInformation = String.format("symbol: '%s';  \tconf: %.2f", outText.getString(), conf);System.out.println(symbolInformation);// 遍历选择项迭代器并输出选择项及其置信度boolean indent = false;ChoiceIterator ci = TessResultIteratorGetChoiceIterator(ri);do {if (indent)System.out.print("\t\t");System.out.print("\t-");choiceText = ci.GetUTF8Text();System.out.println(String.format("%s conf: %f", choiceText.getString(), ci.Confidence()));indent = true;choiceText.deallocate();} while (ci.Next());outText.deallocate();} while (ri.Next(pageIteratorLevel));}// 销毁使用的对象并释放内存api.End();pixDestroy(image);}
}

结果：

symbol: 'T';  	conf: 99.22-T conf: 99.222244
symbol: 'h';  	conf: 99.54-h conf: 99.542496
symbol: 'e';  	conf: 99.54-e conf: 99.541702
...

示例四 方向和脚本检测

需要osd.traineddata

使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器分析文本布局，获取图像的方向、脚本、文本行顺序和去倾角度等信息。

适用于需要获取图像文本布局信息的场景，例如自动化文档处理、图像文字分析、以及需要检测和调整文本方向的应用。通过分析文本布局信息，可以更好地理解图像中的文本结构，为后续处理提供有用的信息。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;public class OrientationAndScriptDetectionExample {public static void main(String[] args) throws Exception {BytePointer outText;// 创建 Tesseract API 对象TessBaseAPI api = new TessBaseAPI();// 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {System.err.println("Could not initialize tesseract.");System.exit(1);}// 使用 Leptonica 库打开输入图像URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");File file = Loader.cacheResource(url);PIX image = pixRead(file.getAbsolutePath());// 设置 Tesseract 页面分割模式为自动方向和脚本检测api.SetPageSegMode(PSM_AUTO_OSD);api.SetImage(image);// 创建 Tesseract 文本监视器ETEXT_DESC reco = TessMonitorCreate();api.Recognize(reco);// 获取页面迭代器，用于分析布局信息PageIterator iterator = api.AnalyseLayout();int[] orientation = new int[1];int[] writing_direction = new int[1];int[] textline_order = new int[1];float[] deskew_angle = new float[1];// 获取页面布局信息，包括方向、书写方向、文本行顺序和去倾角度iterator.Orientation(orientation, writing_direction, textline_order, deskew_angle);String osdInformation = String.format("Orientation: %d;\nWritingDirection: %d\nTextlineOrder: %d\nDeskew angle: %.4f\n",orientation[0], writing_direction[0], textline_order[0], deskew_angle[0]);System.out.println(osdInformation);// 销毁使用的对象并释放内存api.End();pixDestroy(image);}
}

结果：

Orientation: 0;
WritingDirection: 0
TextlineOrder: 2
Deskew angle: 0.0055Estimating resolution as 1024
Estimating resolution as 1024-- 页面布局信息：
Orientation（方向）: 0，表示图像方向为正常方向。
WritingDirection（书写方向）: 0，表示水平书写。
TextlineOrder（文本行顺序）: 2，表示文本行的阅读顺序是从上到下。
Deskew angle（去倾角度）: 0.0055，表示需要微小的逆时针旋转图像，以使文本更加水平。
最后，给出了图像分辨率的估计值为 1024。enum Orientation {ORIENTATION_PAGE_UP = 0,       // 页面朝上ORIENTATION_PAGE_RIGHT = 1,    // 页面朝右ORIENTATION_PAGE_DOWN = 2,     // 页面朝下ORIENTATION_PAGE_LEFT = 3,     // 页面朝左
};
enum WritingDirection {WRITING_DIRECTION_LEFT_TO_RIGHT = 0,   // 从左到右WRITING_DIRECTION_RIGHT_TO_LEFT = 1,   // 从右到左WRITING_DIRECTION_TOP_TO_BOTTOM = 2,   // 从上到下
};
enum TextlineOrder {TEXTLINE_ORDER_LEFT_TO_RIGHT = 0,   // 从左到右TEXTLINE_ORDER_RIGHT_TO_LEFT = 1,   // 从右到左TEXTLINE_ORDER_TOP_TO_BOTTOM = 2,   // 从上到下
};

示例五 结果迭代器

此程序使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器遍历输出每个识别结果的单词、置信度和边界框信息。

适用于需要详细分析文本的应用场景，例如文本布局分析、单词级别的文本处理、或者需要获取文本边界框信息的图像处理任务。通过迭代器遍历，可以获得每个单词的具体位置和识别置信度，为后续处理和分析提供更多信息。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;public class ResultIteratorExample {public static void main(String[] args) throws Exception {BytePointer outText;// 创建 Tesseract API 对象TessBaseAPI api = new TessBaseAPI();// 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {System.err.println("Could not initialize tesseract.");System.exit(1);}// 使用 Leptonica 库打开输入图像URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");File file = Loader.cacheResource(url);PIX image = pixRead(file.getAbsolutePath());api.SetImage(image);// 创建 Tesseract 文本监视器ETEXT_DESC recoc = TessMonitorCreate();api.Recognize(recoc);// 获取结果迭代器ResultIterator ri = api.GetIterator();int pageIteratorLevel = RIL_WORD;if (ri != null) {do {// 获取当前迭代器位置的文本、置信度和边界框信息outText = ri.GetUTF8Text(pageIteratorLevel);float conf = ri.Confidence(pageIteratorLevel);int[] x1 = new int[1], y1 = new int[1], x2 = new int[1], y2 = new int[1];ri.BoundingBox(pageIteratorLevel, x1, y1, x2, y2);String riInformation = String.format("word: '%s';  \tconf: %.2f; BoundingBox: %d,%d,%d,%d;\n", outText.getString(), conf, x1[0], y1[0], x2[0], y2[0]);System.out.println(riInformation);outText.deallocate();} while (ri.Next(pageIteratorLevel));}// 销毁使用的对象并释放内存api.End();pixDestroy(image);}
}

结果：

word: 'The';  	conf: 94.56; BoundingBox: 67,86,340,211;word: 'Quick';  	conf: 96.57; BoundingBox: 409,85,818,245;word: 'Brown';  	conf: 96.79; BoundingBox: 879,88,1331,211;word: 'Fox';  	conf: 93.97; BoundingBox: 71,254,314,377;word: 'Jumps';  	conf: 95.90; BoundingBox: 382,254,836,411;word: 'Over';  	conf: 96.67; BoundingBox: 900,251,1239,379;word: 'The';  	conf: 94.07; BoundingBox: 67,418,340,543;word: 'Lazy';  	conf: 96.35; BoundingBox: 410,420,738,578;word: 'Dog.';  	conf: 92.79; BoundingBox: 807,420,1116,578;word: 'abcdefghijkmnopqrstuvwxyz0123456789';  	conf: 18.28; BoundingBox: 65,585,1335,650;word: '[|';  	conf: 66.39; BoundingBox: 1369,582,1415,653;word: '()';  	conf: 54.27; BoundingBox: 1454,582,1518,653;word: '{';  	conf: 62.11; BoundingBox: 1560,582,1586,653;word: '}';  	conf: 62.11; BoundingBox: 1618,582,1643,653;word: '/\';  	conf: 73.02; BoundingBox: 1675,582,1738,653;word: '<';  	conf: 86.10; BoundingBox: 1770,606,1804,639;word: '>';  	conf: 96.04; BoundingBox: 1842,607,1876,639;

示例六 设置引擎、页面分割模式、语言

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;
import org.bytedeco.tesseract.global.tesseract;import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;
import static org.bytedeco.tesseract.global.tesseract.PSM_AUTO;public class BasicExample {// 执行 OCR 的方法public static String doOCR(String dataPath, String fileName) {BytePointer outText;// 初始化 Tesseract APITessBaseAPI api = new TessBaseAPI();// 使用英语初始化 tesseract-ocr，指定 tessdata 路径// 如果使用的是中文，请使用 tessdata-best/chi_sim 或者 tessdata-best/chi_tra// 指定 OCR 引擎为 LSTM_ONLYif (api.Init(dataPath, "eng", tesseract.OEM_LSTM_ONLY) != 0) {System.err.println("无法初始化 Tesseract。");System.exit(1);}// 设置页面分割模式api.SetPageSegMode(PSM_AUTO);// 使用 Leptonica 库打开输入图像PIX image = pixRead(fileName);api.SetImage(image);// 获取 OCR 结果outText = api.GetUTF8Text();System.out.println("OCR 输出:\n" + outText.getString());// 销毁使用的对象并释放内存api.End();outText.deallocate();pixDestroy(image);return outText.getString();}
}

示例七 识别限制为图像的子矩形

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;import java.io.File;import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;public class Main {public static void main(String[] args) {BytePointer outText;// 初始化 Tesseract APITessBaseAPI api = new TessBaseAPI();// 使用英语初始化 Tesseract-ocr，不指定 tessdata 路径if (api.Init(null, "eng") != 0) {System.err.println("无法初始化 Tesseract。");System.exit(1);}// 使用 Leptonica 库打开输入图像File imageFile = new File("phototest.tif");PIX image = pixRead(imageFile.getAbsolutePath());api.SetImage(image);// 限制识别范围为图像的子矩形// SetRectangle(left, top, width, height)api.SetRectangle(30, 86, 590, 100);// 获取 OCR 结果outText = api.GetUTF8Text();System.out.println("OCR 输出:\n" + outText.getString());// 销毁使用的对象并释放内存api.End();outText.deallocate();pixDestroy(image);}
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/337560.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

⭐Unity 将电脑打开的窗口画面显示在程序中

⭐Unity 将电脑打开的窗口画面显示在程序中

1.效果&#xff1a; 下载资源包地址&#xff1a; Unity中获取桌面窗口 2.下载uWindowCapturev1.1.2.unitypackage 放入Unity工程 3.打开Single Window场景&#xff0c;将组件UwcWindowTexture的PartialWindowTitle进行修改&#xff0c;我以腾讯会议为例 感谢大家的观看&#xf…
阅读更多...
书生·浦语第三次作业

书生·浦语第三次作业

我最近在参加书生浦语大模型实战营&#xff0c;这是第三次作业打卡&#xff01; 如果你也想两周玩转大模型微调&#xff0c;部署与测评全链路。报名链接&#xff1a;invite 书生浦语大模型实战营报名 邀请码可以填026014 一、基础作业&#xff1a;复现课程知识库助手搭建过程…
阅读更多...
亚马逊实时 AI 编程助手 CodeWhisperer使用体验

亚马逊实时 AI 编程助手 CodeWhisperer使用体验

文章目录 1&#xff1a;什么是CodeWhisperer &#xff1f;2&#xff1a;试用3&#xff1a;上手体验 1&#xff1a;什么是CodeWhisperer &#xff1f; 最近ChatGPT展现出强大AI能力给我们带来了深刻的影响&#xff0c;AI现在不是一个概念&#xff0c;基于AI的产品一定在各行各业…
阅读更多...
基于深度学习的果蔬检测识别系统（含UI界面、yolov8、Python代码、数据集）

基于深度学习的果蔬检测识别系统（含UI界面、yolov8、Python代码、数据集）

项目介绍 项目中所用到的算法模型和数据集等信息如下&#xff1a; 算法模型&#xff1a;     yolov8 yolov8主要包含以下几种创新&#xff1a;         1. 添加注意力机制&#xff08;SE、CBAM等&#xff09;         2. 修改可变形卷积&#xff08;DySnake-主干c…
阅读更多...
C++枚举类型可以作为返回值类型吗

C++枚举类型可以作为返回值类型吗

当然&#xff1a; #include <iostream> // 定义一个枚举类型 enum class Color { RED, GREEN, BLUE }; // 函数返回枚举类型 Color getRandomColor() { static int nextColorIndex 0; Color color Color(nextColorIndex); nextColorIndex; if (nextColor…
阅读更多...
简洁计算器Python代码

简洁计算器Python代码

简洁的Python计算器&#xff0c;直接上代码&#xff08;用时10分钟&#xff09;&#xff1a; Python Gui图形化开发探索GUI开发的无限可能&#xff0c;使用强大的PyQt5、默认的Tkinter和跨平台的Kivy等工具&#xff0c;让Python成为你构建应用程序的得力助手。从本机用户界面到…
阅读更多...
【Wordpress高级教程】 Wordpress免插件建立站群，wordpress整站迁移/安装

【Wordpress高级教程】 Wordpress免插件建立站群，wordpress整站迁移/安装

提示&#xff1a;该方法适用于Wordpress的站点&#xff0c;且无需插件哦&#xff08;插件一般都需要付费的&#xff0c;博主比较穷&#xff0c;我们就通过技术来解决&#xff09; 文章目录 前言一、准备工作二、搭建站群1.打包wp-content2.导入新站点3.导出数据库4.修改数据库配…
阅读更多...
直播预告丨看零售场，如何玩转 MaaS

直播预告丨看零售场，如何玩转 MaaS

今年&#xff0c;有一个被频繁提及的词是MaaS 这类工具正在帮助千行百业实现大模型落地产业 在零售场&#xff0c;特别是像京东这样拥有超高并发、超复杂协同的电商场内 也沉淀出了一套通用的AI基础设施——九数算法中台 从提升客户服务体验、平台效率出发&#xff0c;训练各…
阅读更多...
vue知识-03

vue知识-03

购物车案例 要实现的功能&#xff1a; 1、计算商品总价格 2、全选框和取消全选框 3、商品数量的增加和减少 <body> <div id"app"><div class"row"><div class"col-md-6 col-md-offset-3"><h1 class"text-center…
阅读更多...
SpringBoot中使用单例模式+ScheduledExecutorService实现异步多线程任务(若依源码学习)

SpringBoot中使用单例模式+ScheduledExecutorService实现异步多线程任务(若依源码学习)

场景 若依前后端分离版手把手教你本地搭建环境并运行项目&#xff1a; 若依前后端分离版手把手教你本地搭建环境并运行项目_本地运行若依前后端分离-CSDN博客 设计模式-单例模式-饿汉式单例模式、懒汉式单例模式、静态内部类在Java中的使用示例&#xff1a; 设计模式-单例模…
阅读更多...
Zookeeper设计理念与源码剖析

Zookeeper设计理念与源码剖析

Zookeeper 架构理解 整体架构 Follower server 可以直接处理读请求&#xff0c;但不能直接处理写请求。写请求只能转发给 leader server 进行处理。最终所有的写请求在 leader server 端串行执行。&#xff08;因为分布式环境下永远无法精确地确认不同服务器不同事件发生的先后…
阅读更多...
对root用户的理解

对root用户的理解

1.什么是root用户&#xff1f; Windows、MacOS、Linux均采用多用户的管理模式进行权限管理。在Linux系统中&#xff0c;拥有最大权限的账户名为&#xff1a;root&#xff08;超级管理员&#xff09; root用户拥有最大的系统操作权限&#xff0c;而普通用户在许多地方的权限是受…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023