livingbody的专栏

原创 基于百度智能云千帆AppBuilder快速开发《儿童睡前故事生成器》AI原生应用

我在百度智能云千帆AppBuilder开发了一款AI原生应用，快来使用吧！大家好，最近迷AI原生应用，迷疯了，今天针对小朋友睡前故事，开发了一个《儿童睡前故事生成器》，一个可以自动生成儿童故事的App，

原创 试用强大的百度智能云【AI原生应用工作台】实现《毛泽东传问答》实操记录

平台地址：track=dev。

原创 编程挑战赛第六期我带我的小侄子来了【赛题解析】

前情提要，我家小侄子今年刚上大一，据说自己编程水平很高，这也不服，那些不服。鉴于暑期被我摁着头在家苦学一个月，怨念太大，这次编程大赛，特别发微信并at我，为了不输于他，特此参加，再怎么菜，也不能比他菜，您说是不?早在多日前，收到我侄子发我的竞赛地址，我就报名了，哈哈哈。

原创 如何把conda虚拟环境加入jupyter办法

如何把conda虚拟环境加入jupyter办法python -m ipykernel install --user --name 环境名称 --display-name "你想为kernel添加的名称"

转载 【转发有奖】百度图片翻译API，对开发者真的很友好

【转发有奖】百度图片翻译API，对开发者真的很友好 Translate_API 2021-08-30 15:02:19 ...

原创 【PaddleNLP 基于深度学习的自然语言处理】第三次作业--必修｜快递单信息识别

基本情况1.数据 train_ds, test_ds = paddlenlp.datasets.load_dataset(“msra_ner”, splits=[“train”, “test”])2.模型 bert-base-multilingual-uncasedmodel = BertForTokenClassification.from_pretrained( 'bert-base-multilingual-uncased', num_classes=label_num)if paddle

原创 PaddleNLP《基于深度学习的自然语言处理》打卡营作业2-- 必修｜文本语义相似度计算

PaddleNLP《基于深度学习的自然语言处理》打卡营作业2-- 必修｜文本语义相似度计算《基于深度学习的自然语言处理》课程《基于深度学习的自然语言处理》地址：https://aistudio.baidu.com/aistudio/education/group/info/24177完成预测环节预训练模型的调用代码，并跑通整个项目，成功提交千言文本相似度竞赛，按要求截图，提交作业即可。tips：预测可以使用自己训练的模型（训练时间较长），也可以直接使用提供下载的模型权重；报名千言文本相似度竞赛

原创 飞桨领航团实战速成营《图像分割》心得

心得之前对图像分割了解不深，感觉很深奥，通过这次培训，能够理解分割的理论，使用常见的模型，通过paddlex，paddleseg进行图像分割，也get到一些分割的技巧，获益匪浅。常规赛《遥感影像分割》弄到了第二名课程介绍4月06日-4月12日，每晚19:00-21:00参加《图像分割》课程， 全程有飞桨开发者技术专家PPDE直播讲解、手把手带大家做项目实战，理论知识和实践同步，一周的时间上手全流程实战产业级项目，学习受益匪浅。想看的可以看回放。感谢各位老师和助教！课程链接https://ais

原创 车道线检测 list生成

#!/usr/bin/env python# -*- coding: utf-8 -*-######################################################################### # Copyright (c) 2020 Baidu.com, Inc. All Rights Reserved# ########################################################################

原创 PaddleClas蝴蝶分类

任务描述近年来，随着人工智能的发展，其在语音识别、自然语言处理、图像与视频分析等诸多领域取得了巨大成功。如何将人工智能技术应用到更广泛的领域成为了重要目标，本次竞赛将聚焦蝴蝶图片的细粒度图像分类，利用人工智能技术，对蝴蝶的类别、属性进行识别分类，以便相关工作者快速识别蝴蝶种类，进行科学研究，提高效率和精度。要求参赛者给出一个算法或模型，对于给定的图片，检测出图片中的蝴蝶类别和属。给定图片数据，选手据此训练模型，为每张测试数据预测出最正确的类别。数据说明本竞赛所用训练和测试图片均来自网络（和鲸社区）。总

原创 我在百度大脑用数据看《你好，李焕英》

《你好，李焕英》简介2001年的某一天，刚刚考上大学的贾晓玲（贾玲 饰）经历了人生中的一次大起大落。一心想要成为母亲骄傲的她却因母亲突遭严重意外，而悲痛万分。在贾晓玲情绪崩溃的状态下，竟意外的回到了1981年，并与年轻的母亲李焕英（张小斐 饰）相遇，二人形影不离，宛如闺蜜。与此同时，也结识了一群天真善良的好朋友。晓玲以为来到了这片“广阔天地”，她可以凭借自己超前的思维，让母亲“大有作为”，但结果却让晓玲感到意外…影评短片 海报项目结构一、爬取数据二、数据分析三、评论分析一、数据爬

原创 你是谁家的小猫咪？

你是谁家的小猫咪？猴脸识别技术大行其道，西大识别了数千只金丝猴，我只好采集抖音猫猫视频，截图来实现猫脸识别，《猫猫脸识别技术》正式上线了。以后每个猫猫精准喂投，想长胖不容易了。小茗同学：二狗子家的小猫又来偷吃了，小花猫已经饿坏了，咋办呀？？？怎么办？？？小宠物们识别要大学科研团队才能做，作为幼儿园的我怎么办？？？小茗同学苦恼的挠了挠头，发出痛苦的啊啊啊声音。。。。。。小茗同学查到了新闻报道《“猴脸识别技术”来了！》https://new.qq.com/omn/20210222/20210

原创 小羊，来个正脸分个类呗

介绍前言这次我们用飞桨来给澳大利亚的小羊羊分个类，力争达到 95% benchmark.大纲This notebook contains a number of sections which detail the workflow from the data that was provided through the preprocessing, model training and the evaluation stages. The sections are as follow:1) D

原创 飞桨告诉我谁是最勤劳的小蜜蜂

谁是最勤劳的小蜜蜂蜜蜂生来就是为了采蜜，它也是很辛勤，不是在采蜜就是已经采完蜜了，要不然是在蜂巢里吐蜜，直到奉献自己的一生。据悉勤劳的密封翅膀都带花粉的，那我们就来瞅瞅吧。反正我肉眼看不清他们翅膀、小腿上的花粉，那么就交给机器来解决吧，机器学习嘛。import osimport zipfileimport randomimport jsonimport paddleimport sysimport numpy as npfrom PIL import Imag

原创 线性回归学习

线性回归学习一、线性回归模型的简单应用from sklearn import linear_model # 导入线型模型模块regression = linear_model.LinearRegression()# 创建线型回归模型X = [[3], [8]] # 观察值的x坐标y = [1, 2] # 观察值的y坐标regression.fit(X, y) # 拟合

原创 PaddlePaddle飞桨Python零基础课程学习总结心得

PaddlePaddle飞桨Python零基础课程学习总结心得python零基础课程终于结束了，领悟了许多没有尝试过的方法。在此特别感谢班主任、老师、助教。特别要感谢的是各位助教，批改作业很认真很仔细，许多自己没认真审题出的错误，都一一指点出来了，值得学习较真，在以后的学习工作中一定会注意的，谢谢了。还有我们的课程群，啥时候发个封面红包啊，太漂亮，额简直漂亮的不要不要的。哈哈哈...

原创 面向对象第三次作业

第一题（30分）数据如下：stu1.txt 孙同学,2020-5-21,20,'男',77,56,77,76,92,58,-91,84,69,-91stu2.txt 赵同学,2020-11-3,24,'女',65,68,72,95,-81,71,86,91,57,91stu3.txt 王同学,2021-8-7,25,'男',87,78,90,-76,88,47,100,65,69,100 stu4.txt 李同学,2021-8-10,29,'男',92,54,85,71,-91,68,77,68,

原创 面向对象第三次作业

第一题（30分）数据如下：stu1.txt 孙同学,2020-5-21,20,'男',77,56,77,76,92,58,-91,84,69,-91stu2.txt 赵同学,2020-11-3,24,'女',65,68,72,95,-81,71,86,91,57,91stu3.txt 王同学,2021-8-7,25,'男',87,78,90,-76,88,47,100,65,69,100 stu4.txt 李同学,2021-8-10,29,'男',92,54,85,71,-91,68,77,68,

原创 面向对象第二节

第1题#1题 定义Rugby为Athlete的子类，并增加子类自己的属性squat。（5分） class Athlete: def __init__(self,a_name,a_dob=None,a_times=[]): self.name = a_name self.dob = a_dob self.times = a_times def top3(self): return sorted(set([self.sani

原创 PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』--自定义数据集OCEMOTION–中文情感分类

赛题背景自从2017年具有划时代意义的Transformer模型问世以来，短短两年多的时间内，如雨后春笋般的出现了大量的预训练模型，比如：Bert，Albert，ELECTRA，RoBERta，T5，GPT3等等。然而之前的基准评测体系存在两个缺陷：评测强度不够，模型不通用。评测强度不够指的是选手只提交结果，不提交inference的代码。模型不通用指的是预训练模型不能保证在相同超参数情况下在所有任务上都获得比较好的性能。以上两点极大限制了预训练技术的应用和发展。如果我们能通过算法实现泛化能力强的中文预

原创 PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』第五课--基于seq2seq的对联生成

PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』第五课–基于seq2seq的对联生成对联，是汉族传统文化之一，是写在纸、布上或刻在竹子、木头、柱子上的对偶语句。对联对仗工整，平仄协调，是一字一音的汉语独特的艺术形式，是中国传统文化瑰宝。这里，我们将根据上联，自动写下联。这是一个典型的序列到序列(sequence2sequence, seq2seq）建模的场景，编码器-解码器（Encoder-Decoder）框架是解决seq2seq问题的经典方法，它能够将一个任意长度的

原创 面向对象作业

第1题‘james,2006-11-11,2-34,3:21,2.34,2.45,3.01,2:01,2:01,3:10,2-22’存储以上的数据，如何定义运动员类，补全代码（4分）class Athlete: def __init__(self,a_name,a_dob=None,a_times=[]): self.name = a_name self.dob = a_dob self.times = a_times

原创 统计英语6级试题中所有单词的词频 并返回一个如下样式的字典

作业内容统计英语6级试题中所有单词的词频，并返回一个如下样式的字典{'and':100,'abandon':5}英语6级试题的文件路径./artical.txtTip: 读取文件的方法def get_artical(artical_path): with open(artical_path) as fr: data = fr.read() return dataget_artical('./artical.txt')# 请根据处理要求下面区域完成代码

原创 PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』第四课--NLP学习心得

使用飞桨完成深度学习任务的通用流程数据集和数据处理paddle.io.Datasetpaddle.io.DataLoaderpaddlenlp.data组网和网络配置paddle.nn.Embeddingpaddlenlp.seq2vecpaddle.nn.Linearpaddle.tanhpaddle.nn.CrossEntropyLosspaddle.metric.Accuracypaddle.optimizermodel.prepare网络训练和评估mo.

原创 PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』第四节课后作业题（代码实践）---快来选一顿好吃的年夜饭

快来选一顿好吃的年夜饭：看看如何自定义数据集，实现文本分类中的情感分析任务情感分析是自然语言处理领域一个老生常谈的任务。句子情感分析目的是为了判别说者的情感倾向，比如在某些话题上给出的的态度明确的观点，或者反映的情绪状态等。情感分析有着广泛应用，比如电商评论分析、舆情分析等。 题目：将lstm网络替换成其他网络。可参考seq2vec介绍提示位置：self.lstm_encoder = ppnlp.seq2vec.LSTMEncoder()环境介绍PaddlePaddle框架，AI St

原创 《高层API助你快速上手深度学习》『深度学习7日打卡营』第三课--学习心得

一、问题定义人脸关键点检测，是输入一张人脸图片，模型会返回人脸关键点的一系列坐标，从而定位到人脸的关键信息。二、数据准备Dataset定义较为简单，主要完成标签和图像数据读取。# 按照Dataset的使用规范，构建人脸关键点数据集from paddle.io import Datasetclass FacialKeypointsDataset(Dataset): # 人脸关键点数据集 """ 步骤一：继承paddle.io.Dataset类 """

原创 PaddlePaddle飞桨《高层API助你快速上手深度学习》『深度学习7日打卡营』第三节课后作业--人脸关键点检测

『深度学习7日打卡营』人脸关键点检测一、问题定义人脸关键点检测，是输入一张人脸图片，模型会返回人脸关键点的一系列坐标，从而定位到人脸的关键信息。# 环境导入import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.image as mpimgimport cv2import paddlepaddle.set_device('gpu') # 设置为GP

原创 高层API助你快速上手深度学习---【第二节笔记】机器学习六大流程及PaddlePaddle模型保存载入

原创 高层API助你快速上手深度学习----【第二课作业】十二生肖分类详解

① 问题定义十二生肖分类的本质是图像分类任务，我们采用CNN网络结构进行相关实践。② 数据准备2.1 解压缩数据集我们将网上获取的数据集以压缩包的方式上传到aistudio数据集中，并加载到我们的项目内。在使用之前我们进行数据集压缩包的一个解压。!unzip -q -o data/data68755/signs.zip__all__ = ['CONFIG', 'get']CONFIG = { 'model_save_dir': "./output/zodiac", 'nu

原创 深度学习基础知识

1.神经元2. 神经网络3. 卷积操作3.1 单通道卷积3.2 多通道卷积3.3 多通道输出3.4 Batch[N, C, H, W]卷积核信息不变，卷积操作会多一定的倍数（和样本数有关）。4. 池化层池化是使用某一位置的相邻输出的总体统计特征代替网络在该位置的输出，其好处是当输入数据做出少量平移时，经过池化函数后的大多数输出还能保持不变。比如：当识别一张图像是否是人脸时，我们需要知道人脸左边有一只眼睛，右边也有一只眼睛，而不需要知道眼睛的精确位置，这时候通过池化某一片区域的

原创 高层API助你快速上手深度学习-【第一课学习心得】

高层API全景图!git clone https://gitee.com/paddlepaddle/Paddle.git --depth=11.MNIST数据集先拜读下2.0的 MNIST PaddlePaddle 数据集定义，已经git了。地址 Paddle/python/paddle/vision/datasets/mnist.py# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.## Licensed

原创 2020程序猿的你还好吗？我还好

盘点我的20202020年马上就要终结了，感谢CSDN给了我这样和自己对话的机会，也给了我对自己盘点的时刻。工作情况今年，一是工作受疫情硬性较大。直到3月中旬开始上班，野外出去过，也陷过车，也营救过野生动物。受疫情影响，工作开展迟缓，直至今日，许多本该顺利进行的活动，也因此耽搁，无论做什么事，第一考虑就是是否受疫情影响。学习情况疫情也是一个契机，借这次疫情，我跟上了百度的直播课，学起了PaddlePaddle，能够较好地应用。但是一知半解，没有进行深入、系统的学习，理论差距很大，这是我致

原创 2020程序猿的你还好吗？我还好

盘点我的20202020年马上就要终结了，感谢CSDN给了我这样和自己对话的机会，也给了我对自己盘点的时刻。工作情况今年，一是工作受疫情硬性较大。直到3月中旬开始上班，野外出去过，也陷过车，也营救过野生动物。受疫情影响，工作开展迟缓，直至今日，许多本该顺利进行的活动，也因此耽搁，无论做什么事，第一考虑就是是否受疫情影响。学习情况疫情也是一个契机，借这次疫情，我跟上了百度的直播课，学起了PaddlePaddle，能够较好地应用。但是一知半解，没有进行深入、系统的学习，理论差距很大，这是我致

原创 找回失去的win10应用商店

找回失去的win10应用商店1.管理员权限打开windows powershell2. 查找应用商店#输入命令Get-AppxPackage -allusers | Select Name， PackageFullName找到windows.store，复制替换金下面命令路径3.添加应用商店Add-appxpackage -register "C:\Program Files\WindowsApps\Microsoft.WindowsStore_11910.1002.5.0_x64__8

原创 飞桨（PaddlePaddle）带我飞 图像分割7日打卡营学习体会

0.课程课程链接：https://aistudio.baidu.com/aistudio/course/introduce/17671. PaddleSeg 基本情况1.1 在github、gitee位置https://gitee.com/paddlepaddle/PaddleSeg.githttps://github.com/paddlepaddle/PaddleSeg.git二话不说，star先1.2 简介PaddleSeg是基于PaddlePaddle开发的端到端图像分割开

原创 PaddlePaddle Gpu版本安装、cocoapi安装采坑、PaddleDetection快速上手

PaddleDetection 快速上手本项目以路标数据集roadsign为例，详细说明了如何使用PaddleDetection训练一个目标检测模型，并对模型进行评估和预测。本项目提供voc格式的roadsign数据集和coco格式的roadsign数据集。本项目提供 YOLOv3、FasterRCNN、FCOS这几个算法的配置文件。您可以选择其中一个配置开始训练，快速体验PaddleDeteciton。效果请戳这里：PaddleDetection欢迎到PaddleDetection主页查看更

原创 说阿里网盘不收费的人们可以看看了，别整天看抖音

说阿里网盘不收费的可以出来了付费方式PDS相册与网盘服务按照存储、流量、用户服务三种计费项进行收费。同一个文件仅存一份，按照实际物理空间计费，降低客户成本。

原创 强化学习TD3论文学习和PARL实现赏析 文件 编辑 运行 代码执行器

这里写自定义目录标题mujoco下载mujoco证书秘钥获取aistudio不支持MuJoCoMuJoCo免费证书一年只能申请一次，一次一个月其他环境没问题注意，路径名需要更改成你自己的路径名，替代“我的计算机名”mujoco下载下载 MuJoCo version 2.0 Linux 版本 ：https://www.roboti.us/download/mujoco200_linux.zip解压下载的 mujoco200 到目录 ~/.mujoco/mujoco200中, 替换license key

原创 StarGAN v2 : Diverse Image Synthesis for Multiple Domains 不同图像多领域合成阅读理解

StarGAN v2 : Diverse Image Synthesis for Multiple Domains 不同图像多领域合成阅读理解目前该论文已经有TensorFlow算法实现，目前本人在准备用我们可爱的PaddlePaddle【飞桨】来实现，他的功用效果如下图，拟计划用来搞个好玩的东西。论文信息StarGAN v2: Diverse Image Synthesis for Multiple DomainsYunjey Choi*, Youngjung Uh*, Jaejun Yoo*

原创 百度大脑 AI Studio 持久化应用包

AI Studio 持久化应用包持久化用语解决ai studio中持久化安装包，本地大可不必 ，遇到有人这么用的。如果需要进行持久化安装, 需要使用持久化路径, 如下方代码示例:!mkdir /home/aistudio/external-libraries!pip install beautifulsoup4 -t /home/aistudio/external-libraries!pip install lxml -t /home/aistudio/external-libraries同