李理的博客

Tesseract教程

前面介绍了怎么调用百度API来进行OCR,但是百度的API有调用次数的限制。而且作为一个geek开发者,我们希望能使用开源的代码,这样我们可以根据自己的需要进行定制(训练模型)。目前最流行的开源OCR软件就是Tesseract,因此本文介绍Tesseract的基本用法。


百度文字识别API

本文介绍通过百度的文字识别API来进行OCR,把前面用Pdfbox得到的图片变成文字。


PDFBox简介

本文介绍PDFBox的简单用法。PDFBox是apache旗下的用于parse pdf文件的开源库,我们可以用它来提取pdf中的文字和图片,也可以用它来生成pdf文件(比如我们想自动做报表)。


OpenAI GPT-2大新闻解读

OpenAI最近似乎搞了个大新闻,随手一搜,”最大模型”、”15亿参数”、”无需领域数据”等等跃然在目。当然现在是标题党的年代,为了吸引眼球,外行媒体的夸张手法也能理解。当然最大的争议还是他们在官网上解释为什么只提供小模型的理由:为了防止大模型用于生成欺诈和有歧视性的文章,我们只发布小规模的模型(Due to concerns about large language models being used to generate deceptive, biased, or abusive language at scale, we are only releasing a much smaller version of GPT-2 along with sampling code)。这个当然引起了轩然大波,使得很多人在Reddit上吐槽。听这语气,人工智能已经实现了,为了保护人类,他们不能把这个恶魔放出来。实际情况怎么样呢?别听专家的,最好还是我们自己读读论文跑跑代码吧。


获取github账号的email的工具

用时候我们需要联系github上某个开源软件的作者,但是我们是看不到作者的email地址。某些开发者会在简介里写上自己的email地址,但是更多的是没有。上网搜索到一个好的工具,能够方便的找到开发者的email。


BERT课程

本文是作者即将在CSDN作直播的课程的预备知识,对课程感兴趣但是没有相关背景知识的同学可以提前学习这些内容。新增课程slides和视频回放地址


编译警告:transitive dependencies (if any) will not be available

最近测试一个Spring Boot项目发现一个很奇怪的现象,代码在Eclipse可以运行,但是用Maven编译是不能通过单元测试,用”mvn -DskipTests package”可以编译,但是用java -jar运行会抛出异常:”类com/fasterxml/jackson/core/Versioned找不到”。


使用PyTorch实现Chatbot

本教程会介绍使用seq2seq模型实现一个chatbot,训练数据来自Cornell电影对话语料库。对话系统是目前的研究热点,它在客服、可穿戴设备和智能家居等场景有广泛应用。