简体中文|简介PaddleNLP2.0具有丰富的模型库，简洁易用的API与高性能的分布式训练的能力，可以为飞轮开发者提升文本建模效率，并提供基于Padddle2.0的NLP领域最佳实践。
特性丰富的模型库涵盖了NLP主流应用相关的前沿模型，包括中文词向量，预训练模型，词法分析，文本分类，文本匹配，文本生成，机器翻译，通用对话，问答系统等，更多详细介绍请查看。
简洁易用的API深度兼容飞轮2.0的高层API体系，提供可替换的文本建模模块，可大幅度减少数据处理，组网，训练互换的代码开发量，提高文本建模开发效率。
高效分散训练通过深度优化的混合精度训练策略与舰队分布式训练API，可充
特性丰富的模型库涵盖了NLP主流应用相关的前沿模型，包括中文词向量，预训练模型，词法分析，文本分类，文本匹配，文本生成，机器翻译，通用对话，问答系统等，更多详细介绍请查看。
简洁易用的API深度兼容飞轮2.0的高层API体系，提供可替换的文本建模模块，可大幅度减少数据处理，组网，训练互换的代码开发量，提高文本建模开发效率。
高效分散训练通过深度优化的混合精度训练策略与舰队分布式训练API，可充
2023/9/23 16:01:53
2.33MB
1
pytroch官网提供的预训练模型：resnet18：resnet18-5c106cde.pth和resnet50：resnet50-19c8e357.pth（两个文件打包在一起）
2023/9/10 7:05:27
132.2MB
1
人脸检测模型：PadddleHub已经提供的预训练模型(pyramidbox_lite_mobile_mask/pyramidbox_lite_server_mask) 链接:[link](https://www.paddlepaddle.org.cn/hub/scene/maskdetect).切割人脸图像：1.使用OpenCV直接对人脸图像按比例进行切割。
2.使用人脸关键点检测，按点位进行切割.链接：[link](https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=ImageClassification)O
2.使用人脸关键点检测，按点位进行切割.链接：[link](https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=ImageClassification)O
2023/9/10 2:29:40
4KB
1
pytorch中的基础预训练模型和数据集(MNIST,SVHN,CIFAR10,CIFAR100,STL10,AlexNet,VGG16,VGG19,ResNet,Inception,SqueezeNet)
2023/8/13 20:09:31
38KB
1
Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20180408-102900NOTE:Ifyouuseanyofthemodels,pleasedonotforgettogivepropercredittothoseprovidingthetrainingdatasetaswell.
2023/7/21 9:23:28
186.64MB
1
inception_resnet_v2_2016_08_30预训练模型,imagenet
2023/7/19 12:51:10
209.43MB
1
VGG_ILSVRC_16_layers_fc_预训练模型，是caffe-ssd做物体识别时用到的。
2023/7/9 18:01:02
76.25MB
1
SI_NI_FGSM预训练模型第二部分，包含INCEPTION网络，INCEPTIONV2,V3,V4
2023/7/7 13:33:13
472.68MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB