李理的博客

Kaldi文档解读

本系列文章主要是翻译Kaldi的官方文档，但是也不完全是翻译。有些内容比如如何安装作者会略过，而其它重要的内容作者会根据自己的理解增加更加详细的说明。(6/6增加术语表；6/12增加数据准备；6/15增加Kaldi的编译过程；6/22增加Kaldi的矩阵库和Kaldi的特征提取；7/18增加外部矩阵库；7/19增加CUDA矩阵库；7/26增加Kaldi的I/O机制；8/1增加Kaldi的I/O机制的命令行用法；8/9增加Kaldi的logging和错误报告、Parsing命令行选项和其它工具；8/15增加Kaldi的聚类机制)

Posted by lili on May 21, 2019

读汪曾祺

我觉得汪老的小说特别适合现在的人来阅读，原因当然很多，但是其中之一就是他的小说都很短。

借用石头向空空道人说的：“今之人，贫者日为衣食所累，富者又怀不足之心，纵然一时稍闲，又有贪淫恋色，好货寻愁之事，那里去有工夫看那长篇大论？所以汪老的小说，也不愿世人称奇道妙，也不定要世人喜悦检读，只愿他们当那醉淫饱卧之时，或避事去愁之际，把此一玩，岂不省了些寿命筋力？就比那谋虚逐妄，却也省了口舌是非之害，腿脚奔忙之苦。再者，亦令世人换新眼目，不比那些胡牵乱扯，忽离忽遇，满纸才人淑女、子建文君红娘小玉等通共熟套之旧稿。”

每天花上一二十分钟阅读几页汪老的文字，不比用手机刷那些谋虚逐妄的内容要强得多？

(8/20增加《看水》；8/29增加《大淖记事》；9/4增加《云致秋行状》；9/24增加《仁慧》；9/30增加《皮凤三楦房子》；10/21增加《鉴赏家》)；2020/6/7增加《小姨娘》；2020/6/13增加《鲍团长》；2020/6/25增加《关于葡萄》

Posted by lili on April 15, 2019

日历相关的算法

这是2011年写的一篇文章，主要介绍日历相关的概念。这些基本概念今天依然是有用的，因此把它整理到我的博客上。历法其实是很有意思的学问，通过本文可以更清楚了了解中国的农历。八年过去了，对于Java语言来说date time相关的API发生了很大的变化，首先是Joda-Time在Java8之前成为事实的标准，Java8通过JSR 310引入了新的API。另外之前计算农历的icu目前看已经有问题了，因此本文介绍新的time4j库用来计算农历。

Posted by lili on March 27, 2019

mxGraph教程

作为伪全栈工程师，在缺人的时候当然要冲出来。本文调研mxGraph的基本用法，用于绘制流程图。

Posted by lili on March 26, 2019

使用BERT回归的代码

我们在做句子相似度计算的时候需要的输出是一个0到1之间的实数值，用来表示句子的相似程度。BERT默认只提供了run_classifier.py，它可以用于Fine-Tuning文本分类、相似度分类、Entailment等任务。但是无法实现实数值的输出，因此我参照run_classifier.py实现了一个run_reg.py。

Posted by lili on March 20, 2019

使用Beamer做Presentation

最近写书，因此学习了$\LaTeX$，这真是神器。回想当年写毕业论文调Word页眉、页脚和目录格式调到吐血的场景，真是往事不堪回首。最近要做Presentation，本来想用WPS演示，但是试了一下Beamer后，发现比用PPT这类方便多了，因为我想怎么控制它的展示方式都可以。当然$\LaTeX$上手比较复杂，而且用户少碰到问题也比较麻烦，尤其是默认对中文不是太友好。

但其实人的学习能力是逼出来的，建议想学习的同学也要逼一下自己。比如想学习Linux就千万不用装什么双系统和虚拟机，直接把Windows/Mac系统扔了装上Linux，保证就能学会。当然作为非主流用户，会受到各种隐性的歧视，比如网银不支持，比如没有QQ。不过习惯了也还好，不用网银、没有支付宝账号，只在手机上用QQ，也不是世界末日。

Posted by lili on March 16, 2019

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。

Posted by lili on March 12, 2019

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。

Posted by lili on March 12, 2019

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)。

Posted by lili on March 12, 2019

FEATURED TAGS
人工智能 深度学习 chatbot PyTorch Java BERT git 编程 OCR 汪曾祺 语音识别 Kaldi Linux XLNet 情感分析 sentiment analysis 语法纠错 Transformer Tensorflow Huggingface Ubuntu TensorFlow 深度学习框架 Tensor2Tensor 机器翻译 微信 wechat automation selenium webdriver pywinauto CentOS GPU Appium t2t 代码阅读 中英翻译 公众号 爬虫 ocr tesseract pytesseract python 默认参数 位置参数 VPN JSON Jackson huggingface RoPE PagedAttention vLLM Pre-training LLM CPT weather forecasting graph neural networks qlora quantization transformers cmake pip pipenv conda padding vscode debug source code build deep learning Speech ASR linux pytorch extension Deep Learning DeepSeek Attention MoE
ABOUT ME

读读论文，写写代码。

FRIENDS