- 博客(55)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Micropython-microhttp：一个超级简单的http web服务库，为ESP32和ESP8266之类的硬件提供http服务支持
很喜欢ESP系列的产品，结合micropython很轻松就可以开发出一个精简的物联网产品（当然Adruino开发也很不错），其提供的蓝牙、WIFI支持也可以让我们可以快速进行通信，唯一的缺憾就是web服务的开发有些简陋，对于习惯了springboot、fastapi和flask开发的我来说，micropython没有直接支持的类似库，写代码多少是有些疼痛的！权衡之下，开发了一个简单http服务库，命名为microhttp，分享出来给相同需求的人使用，也希望能够得到进一步的优化和完善！
2024-04-13 17:43:08
380
原创 PPSLick.js-个人/初始团队的网站基础弹窗组件库，快速创建登录、注册、搜索、联系我和订阅等弹窗组件，无需写html+css
个人/初始团队的网站基础弹窗组件库，快速创建登录、注册、搜索、联系我和订阅等弹窗组件，无需写html+css
2023-08-10 15:32:21
287
原创 TexSpire-比markdown更为简洁的文本标记语言，用文字即可生成演示效果
老实说，本人对于ppt的花里胡哨深恶痛绝，特别是每一次汇报，都需要花费我很多时间去找模板，去设计，去美化内容时，反应更为强烈，我认为内容才是汇报的核心，但是更多的人将宝贵的时间和精力放在了如何让ppt精美上，本末倒置！我喜欢markdown的写作方式，写完文档即可生成对应的预览效果，由于没有找到一款好用的markdown做演示文档的软件，我设计了TexSpire文本标记语言，希望它可以让我写完内容的那一刻，对应的演示文档也就生成了，也不用花心思去美化与拖拽。
2023-07-12 17:31:47
366
原创 KoTime：v2.3.9新增线程管理（线程统计、状态查询等）
需要说明的是本项目依旧保持着让用户简单使用的原则，尽力做到无学习成本直接使用，让软件工程师的卓越思维和宝贵时间用于创造。
2023-03-22 19:28:11
506
1
原创 SimSearch：一个轻量级的springboot项目索引构建工具，实现快速模糊搜索
一个轻量级的springboot项目索引构建工具，实现快速模糊搜索，相比于搜索引擎派系,这是一种轻量级的实现方式
2022-12-08 12:09:07
1016
原创 streamlit+ndraw进行可视化训练深度学习模型
如果你喜欢web可视化的方式训练深度学习模型，那么streamlit是一个不可错过的选择！优点：本文使用streamlit进行web可视化渲染，并使用ndraw进行模型可视化，做到了：首先安装必要的依赖然后引入模块：编写代码2.构建模型3.构建逻辑4.自定义指标可视化展示以上就是整个训练过程，不同的模型只需要更改一下加载数据和构建模型的函数即可，其他内容不变或者根据自己的需求添加完整外码可见 visualneu
2022-11-22 16:53:38
978
2
原创 给开源项目做一个漂亮简洁的版本迭代更新图，生成固定链接复制到介绍中、公众号菜单链接中、博客中和网页中等
开源项目的版本迭代与更新经常需要更新迭代文档，但是readme.md没有比较美观一点的效果，所以文本分享一种第三方的方式：用TexSpire的免费在线文档分享功能，手机、PC、Pad都可以适配。修改模板即可生成你自己的版本，需要新增版本的继续按照格式往下追加即可（如果出现没有渲染的情况 最后面回车或者空格键即可）当你发布新版本后，可以来到该项目空间进行版本更新，保存即可。将链接复制到你的项目中即可，可以根据需要追加一些参数。fullscreen=false 打开不会提示全屏。进入项目空间，创建一个项目。
2022-11-17 18:38:15
497
原创 KoTime：Idea插件-一键代码热更新、方法分析，依赖新版检查与开源协议检查等
KoLocal是针对KoTime开发的一款本地化插件，旨在便捷的使用KoTime的热更新、方法分析和依赖检查等功能， 而不用打开浏览器页面操作。
2022-11-14 17:51:54
843
原创 KoTime：v2.3.6-新增当前Java程序占用的内存统计以及页面刷新功能
对当前程序占用的内存进行统计，综合评估服务的内存使用情况。页面数据需要刷新的时候点击标题即可，而不需要重新载入页面。KoTime-方法调用链路追踪。
2022-11-14 17:08:01
347
原创 Java-KoTime：Idea插件右击文件即可热更新代码与分析方法调用指标
上一篇的文章介绍了KoTime最新的特性：代码在线热更新功能，打开浏览器进行代码上传始终有些不方便，所以开发了一个本地化的插件KoLocal，一键右击代码更新，在Idea编辑器就可以完成很多关于KoTime的工作.
2022-10-14 11:24:08
418
原创 Java-KoTime：增加更完备的功能：计算分离、接口访问量、超时率等
实时监听接口调用，统计运行时长web展示方法调用链路，瓶颈可视化追踪追踪系统异常，精确定位到方法接口超时邮件通知，无需实时查看线上热更新：无需重启更新代码需要说明的是本项目依旧保持着让用户简单使用的原则，尽力做到无学习成本直接使用，让软件工程师的卓越思维和宝贵时间用于创造为了满足更多专业用户的需求，KoTime根据很多用户的需求，迭代出了专业版本，主要是从以下几个问题入手：（1）KoTime的链路与耗时计算与项目耦合在一起，让本就不富裕的cpu和内存雪上加霜。
2022-10-07 21:33:14
642
原创 Java-KoTime：热更新-不重启替换代码
KoTime v2.2.8新增了热更新功能，可以简单的通过页面操作实现代码的热部署，这样一些简单代码的修改就不需要重新部署，毕竟挺累的！下面介绍一下使用方式.以上就是KoTime的热更新功能，想了解更多详情请参考KoTime文档。
2022-09-29 08:14:50
511
原创 Java-KoTime：接口耗时监测与邮件通知接口耗时情况
作为一个调用链路追踪、接口耗时定位的工具，KoTime目前已经更新到了v2.2.6，从最开始链路追踪开始，慢慢加入了异常检测、数据库和redis存储数据、入参组合分析等，但是慢慢发现经常去系统看接口耗时也是挺累的，所以从v2.2.5开始加入了邮件通知功能，可以将一些超时阈值的接口信息推送到邮箱，就可以安心干别的事情了（比如看剧）！有什么问题邮件通知我即可！以上就是KoTime的邮件服务配置，想了解更多详情请参考KoTim文档你以为你可以安心玩耍，不可能！
2022-09-25 13:17:48
1590
原创 Cpu下不同环境部署Tensorflow模型性能测试（tf-serving、FastApi和Java）
前言与观点本文主要是在cpu环境（不是gpu）下对tensorflow模型的不同部署方法进行简要的性能测试，寻求一个较好的部署方案。涉及的部署方法： FastApi部署 tf-serving部署 Java部署本测试观点：（仅仅是本次测试的观点，不代表本人观点啊，满满的求生欲） 三种方案中，总体来看无论从并发量还是吞吐量，tf-serving都略胜一筹 当并发量小于500时，结合并发量和吞吐量Java和tf-serving难分胜负，且Java有超越的潜在可能 FastApi部署时并发量
2022-04-04 19:02:31
3594
原创 深度学习（四）-全连接神经网络简单理解
一、前言阅读该文前请先看认识要从线性回归和逻辑回归说起，因为本质上来说线性回归和逻辑回归是一种最简单的神经网络，从线性回归和逻辑回归开始理解，会相对容易一些！神经网络网络也被称为端到端的学习，为什么这么说呢？是因为有别于传统的机器学习的一点是：传统的机器学习在学习之前基本上要经过一个特征工程，简单地理解就是人为地提取算法所需要的的特征，而这个工程也是机器学习最重要的一环，神经网络则不同，我们可以省略特征工程这个环节(理论上)，直接把数据喂给神经网络，理解和学习数据是神经网络应该做的，毕竟他已经是一个
2022-03-27 18:23:12
2283
原创 深度学习（三）-梯度下降法是个什么东东
一、前言梯度下降法是机器学习常用的优化算法之一，是一种用来寻求目标函数最小值时的自变量值得算法。虽然在线性回归和逻辑回归一文中已经提到过该算法，但是考虑到该算法的重要性，故而单独提取出来进行说明。二、基础知识1、缘由因循旧例，还是从案例说起：假设我们需要求解z=x2+y2z=x^2+y^2z=x2+y2的最小值，按照常规的思路是（1）分别求出xxx和yyy的偏导数dzdx=2x\frac{\mathrm{d}z}{\mathrm{d}x}=2xdxdz=2xdzdy=2y\frac{\.
2022-03-14 21:35:52
1782
原创 深度学习（二）-认识要从线性回归和逻辑回归说起
一、前言本章开始之前先来了解一下几个概念：预测值和真实值预测值为模型自动计算的结果（标签）真实值为数据本身的结果损失函数损失函数是用来权衡预测值和真实值之间的差异的，通过这个差异我们可以判断模型参数的好坏，指导模型如何做下一步优化。最简单的损失函数如均方差，通过预测值和真实值之间的差值来计算预测的差异性二、线性回归1、基础概念线性回归主要是基于一种假设：我们所要求解的目标变量y和特征变量x之间呈线性关系，也就是我们中学所学的:y=kx+by=kx+by=kx.
2022-03-14 21:19:17
1640
原创 Java-Distream：数据连续流式处理，不一样的java8 stream
背景本人还是比较喜欢java8 stream的流式处理数据，它的map、filter等操作都让我重新正视了java一眼，就好像你分手多年后偶然见到了变漂亮的前女友时的眼前一亮（我瞎说的，你别当真！！！）不过相处一段时间后发现，使用起来还是有些许疼痛（也有可能是我不会用），比如：无法连续简洁的.出来操作批量修改list里面的值有些困难所以结合使用场景，本人简单粗暴地开发了Distream，希望它可以实现真正的数据流式丝滑处理简要使用说明1、综合案例假设有一个实体列表ListFrame&l
2022-03-01 23:11:55
653
原创 Opencv教程：人工智能图像处理入门案例实战
1、简介opencv是一个计算机视觉领域的开源库，提供了很多图像处理算法模型和数据处理能力，使用opencv可以完成很多常见的计算机视觉领域的任务，诸如常见的人脸识别、目标检测等然而对于很多非算法工程师来说，这些任务变得有些遥不可及，所以本专栏旨在使用Python-Opencv实现一些常用的案例，不涉及算法底层原理，更多的倾向于工程实践，让更多的工程师也可以以实战使用人工智能技术主要涉及内容如下：图片基本操作1、图片读取与显示2、RGB通道分离3、图像绘图（线段、箭头、矩形等）4、图片
2022-02-09 22:57:50
3821
原创 Nlp2cron-自然语言转cron表达式的一次尝试：seq2seq翻译
背景之前做问答机器人的时候需要一个定闹钟的场景，比如：明早7点半叫我起床下午2点的闹钟每天8点半叫我起床…之类的，要根据该文字描述让后台创建一个定时任务来叫我起床，需要用到cron表达式，但是文本转换成cron是个头大的事情，竟然没找到合适的工具，尝试过提取时间，也最终被堆积的if else打败—是在下输了！整理了一下思路：我要做的是 输入一段文字 然后转换成这个cron表达式，可以理解为翻译，基于这个思考，想到了翻译模型seq2seq：输入文字进行向量编码->解码得到另外一个语种的
2021-09-08 22:09:29
579
原创 Java-Disroute：消息对象注解式分发处理工具，优化大量if-else
背景最近写代码经常遇到需要大量书写if else的需求，比如有一个需求通过websocket对接消息，根据消息的不同状态进行不同的逻辑处理，消息的格式为：{ "cmd":0, "data":"里面的内容不能告诉你，除非充值100万"}另外还有一个对话系统，对用户的语句进行意图识别以后，需要根据不同意图调用不同的服务，对话对象为：public class Message{ /*intent可能是查询天气，可能是查询车票，等等*/ private String intent; privat
2021-08-05 20:46:11
236
原创 智能家居助手（十二）-硬件采购指南
本专栏暂未更新完，特惠59.90元，更新完以后将恢复原价专栏目录（一）项目概述（二）什么是自然语言理解（三）意图识别：规则模式（四）意图识别：神经网络-问题分析篇（五）意图识别：神经网络-代码实现篇（六）关键信息抽取：规则模式（七）关键信息抽取：jieba提取（八）关键信息抽取：神经网络（九）自然语言理解模块实现（十）服务调用分发（十一）MQTT服务搭建（十二）硬件采购指南更新中1、引言前一章节中我们讲了MQTT服务器的安装，作为一个指令中转器，MQTT对接的是两个.
2021-07-06 21:09:39
131
原创 智能家居助手（十一）-MQTT服务搭建
这一章开始搭建MQTT服务（云端消息队列），MQTT提供一种轻量级的发布订阅协议，以其低开销、低带宽占用等优点被广泛应用于物联网中，也是本项目中实现远程控制的核心内容！目前实现了MQTT协议的产品很多，本项目采用mosquitto，为什么是它呢，这个问题就好像为什么开发者偏向于MySQL一样，我们要相信在开源的领域，经过时间和程序员考验的，那一般都是比较好的，遇到问题也能找到很多资料，不至于少有人使用而无法找到解决方案: def __init__(self): ''' 初始化模型灯数据 ''' pass def get_intent(self,input_text): .
2021-04-24 22:45:39
195
原创 智能家居助手（八）-关键信息抽取：神经网络篇
绕了那么久，终于来到了关键信息抽取的神经网络篇，希望这漫长的等待不至于让我被打！另外需要说明的是，阅读本文前，建议先阅读关键信息抽取：规则篇 和 关键信息抽取：jieba篇本文依旧以简单入手，从识别开灯和关灯位置信息抽取开始在动手前，我们先来定义问题：需要从对话语句中抽取出开关的位置这个位置可能是家里的任何一个位置，常见的如客厅、卧室、厨房、卫生间、书房等等和人一样，要让神经网路能够识别这些家庭位置，就得先告诉它哪些属于家庭位置，就好像老师得先告诉我什么是数字，下次我再见到才会认识，不同的只.
2021-04-12 22:59:24
206
原创 智能家居助手（七）-关键信息抽取：jieba抽取
上一篇关键信息提取：规则模式讲述了关键信息抽取的规则模式，通过自定义的规则对关键信息进行提取，并提到将以神经网络的方式进行提取，然而细细思来，还有一种规则方式也比较实用，特别是在很多简单的场景中，并不需要整那么复杂，大部分的开源工具已经能满足我们的项目需求，需要我们更改的，仅仅只是一部分的内容！本篇将通过开源的工具jieba作为上一篇章的补充，神经网络实现的方式放到下篇！在自然语言的任务中有一项叫做词性识别，通过对文本的分析，可以得出文本中每一个词所对应的词性，如from jieba import.
2021-04-11 20:42:23
210
原创 深度学习-Tensorflow2与PaddlePaddle入门写法对比（二）：专家入门
引言前面写了一篇Tensorflow2与PaddlePaddle小白入门级写法对比的今天来看一下所谓的专家入门写法对比（这里的专家不是本人说的，出自Tensorflow官网，求生欲满满：https://tensorflow.google.cn/overview?hl=en）数据加载器Tensorflow2import tensorflow as tf# 加载数据集(train_images, train_labels), (test_images, test_labels) = \
2021-03-20 15:05:20
313
原创 深度学习-Tensorflow2与PaddlePaddle入门写法对比（一）：小白入门
引言文本从PaddlePadle和Tensorflow2的入门项目Mnist识别开始，对比一下两者在写法的不同安装安装方面都是基于pip或者conda的安装，没有可比性！PaddlePaddle的安装直接参考PaddlePaddle安装Tensorflow的安装直接在命令行输入即可pip install tensorflow相比之下，两者的安装都比较轻便，只是PaddlePaddle做了一个比较人性化的可选页面而已数据集加载两者对于Mnist数据集的加载都有简介的接口，没什么可比性
2021-03-18 22:04:38
463
原创 智能家居助手（六）-关键信息抽取：基于规则模式
本章节开始进行关键信息的提取，主要是从问句中将与意图相关的槽位值提取出来，比如在开关灯的意图中，需要提取的是灯所在的位置，在新闻搜索中，需要提取的是新闻的查询关键字以开灯为例，可能的问法有：打开客厅的灯开一下卧室的灯......那么，将位置设置为变量home_loc，此时，可能的问法就变成了打开{home_loc}的灯开一下{home_loc}的灯......提取主用是一个开源库：parse，通过句式的定义，可以很快地从问句提取出需要的信息pattern = '打开{home_.
2021-03-14 14:07:57
261
原创 智能家居助手（五）-意图识别：神经网络-代码实现篇
本章重点是接着智能家居助手（四）-意图识别：神经网络-问题分析篇的问题分析，进行代码的实现首先回顾一下要识别的意图是三个由于神经网络并不能直接处理文本信息，需要将意图转换为对应的数字，再转成one hot形式（需要说明的是one hot并非必须，只是一种比较方便的计算方式，具体参考什么是one hot）假设数据集的标签：labels = ['关灯','其他','开灯','关灯','其他']先转成数字映射：labels = [1,2,0,1,2]再转成one hot:import.
2021-03-14 13:02:38
520
原创 智能家居助手（四）-意图识别：神经网络-问题分析篇
上一篇智能家居助手（三）-意图识别：规则模式中，讲述了基于规则的意图识别，以案例入手，实现开灯、关灯和查新闻的意图识别，本章节将通过神经网络的方式进行意图识别，为了快速入手，本章节只进行开灯和关灯的意图识别，毕竟一个精简的案例，才更容易理解（其实是本人懒，标注不完那么多的数据）想象你要开发一个机器人，它有两个功能，开灯和关灯，这个时候你们之间的对话可能是这样的：开始如你期待，结局却不尽人意！为什么会这样呢？是因为我们在设计的时候就只给他定义了两个意图，当有其他意图输入的时候，机器只能从设计好.
2021-03-14 00:01:54
432
原创 智能家居助手（三）-意图识别：基于规则模式
文章目录引言问题梳理代码实现优缺点引言本章节会以一个简单的案例入手，进入自然语言理解的篇章问题梳理在进行意图识别之前，先要做问题类型的梳理，上一章节中提到，需要处理的是n个意图，例如：我们需要找到每一种对话意图对应的语句规律，比如：开灯 的说法可能是：开灯打开客厅的灯开一下卧室的灯…查新闻的说法可能是：新闻搜索新闻模式我想看看新闻查询关于xx的新闻…从中我们可以找到一些规律，而这个规律可以使用正则表达式来表示对话意图：开灯 模式：/.(打开|开一下
2021-02-23 15:11:47
526
原创 智能家居助手（二）-什么是自然语言理解
什么是自然语言理解文章目录什么是自然语言理解意图识别问题定义意图识别常用解决方案关键信息如何提取自然语言理解（也就是NLU：Natural Language Understanding）所希望做的，就是机器和人类一样，能够理解人类的正常语言，当然这个只是希望，因为从目前的的人工智能表现来看，更多的是被人们诟病的“智能”，究其根本原因，并非是人工智能的发展出现了问题，而是把一个机器和进化了3亿年的生物进行比较，而这个机器的发展不过短短数十载，被重视也不过数载！讲完了人类语言，下面说一下机器语言。NL
2021-02-22 00:19:52
287
原创 智能家居助手（一）-项目概述
项目概述文章目录项目概述一、引言二、效果演示1.效果图2.特别说明三、项目架构1.结构图1.1 局域网通信1.2 远程通信2.结构说明2.1 客户端2.2 中央控制系统2.3 家庭设备四、技能准备一、引言系统的功能点主要为语音控制家庭开关，不过为了系统不那么单调，也顺便附加上了一些其他功能，比如新闻查询、天气查询、闲聊等，主要通过这些案例熟悉如何自己构建一个个人版的家庭助手二、效果演示1.效果图Talk is cheap,Show me your result.好的，这就来！2.特
2021-02-21 23:49:51
1743
原创 Java-KoTime：方法调用链路追踪以及接口耗时定位
KoTime是一个springboot项目性能监控工具，通过方法调用链路追踪以及对应的运行时长快速定位性能瓶颈:接口耗时、异常检测、链路追踪
2020-12-12 16:51:39
6524
原创 案例：如何从零实现一个基于问答对的智能问答系统
本文是一篇推荐文章，感兴趣的往下看，不感兴趣直接跳过！目前，各种各样的智能机器人平台已经进入人们的生活，包括淘宝、支付宝、滴滴等平台的智能客服，在很大程度上，通过机器问答的方式解决用户遇到的各种问题，而大部分情况下，用户的问题都是有标准答案的，本场 Chat 主要针对的就是有标准答案的这一类问题的智能问答，从零开始，构建一个基于问答对的智能问答系统。本场 Chat 涉及的知识点如下：如何构建问答库如何计算文本相似度如何进行词向量编码如何处理同义不同词表达的召回本场 Chat 适合人群：
2020-11-04 23:57:31
2105
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人