支持的视频格式 视频格式 FFmpeg 容器 FFmpeg 视频编解码器 FFmpeg 音频编解码器 已知局限 视频输出尺寸 支持的视频格式 视频格式 这些格式主要用于将渲染完成的序列压缩成可播放的电影(它们也可以被用来制造普通的音频文件)。 编解码器是一段压缩解压缩视频的小程序，使视频适用于蓝光或者通过互联网、缆线等方式串流传输，...

识别 MNIST 手写体数字 MNIST 数据集介绍 定义训练模型 实现训练作业函数 global_function 装饰器 指定优化目标 调用作业函数并交互 返回一个结果的例子 返回多个结果的例子 同步与异步调用 模型的初始化、保存与加载 模型的初始化与保存 模型的加载 模型的校验 用于校验的作业函数的编写 迭代校验 预测图片...

使用 SVM 进行手写数据识别 目标 手写数字的 OCR 额外资源 练习 使用 SVM 进行手写数据识别 目标 在本章 我们将再次学习手写数据 OCR，但是，使用 SVM 而不是 kNN。 手写数字的 OCR 在 kNN 中，我们直接使用像素强度作为特征向量。这次我们将使用方向梯度直方图 （HOG）作为特征向量。 在找 HOG...

概述 前提条件 设置学习率 学习率的主流优化算 作业 2-3 概述 上一节我们明确了分类任务的损失函数（优化目标）的相关概念和实现方法，本节我们依旧横向展开"横纵式"教学法，如 图1 所示，本节主要探讨在手写数字识别任务中，使得损失达到最小的参数取值的实现方法。 图1：“横纵式”教学法 — 优化算法 前提条件 在优...

概述 分类任务的损失函数 Softmax函数 交叉熵 交叉熵的代码实现 作业 2-2 概述 上一节我们尝试通过更复杂的模型（经典的全连接神经网络和卷积神经网络），提升手写数字识别模型训练的准确性。本节我们继续将“横纵式”教学法从横向展开，如 图1 所示，探讨损失函数的优化对模型训练效果的影响。 图1：“横纵式”教学法 — 损失...

2.2 识别对话行为类型 2.2 识别对话行为类型 处理对话时，将对话看作说话者执行的 行为 是很有用的。对于表述行为的陈述句这种解释是最直白的，例如”I forgive you”或”I bet you can’t climb that hill”。但是问候、问题、回答、断言和说明都可以被认为是基于语言的行为类型。识别对话中言语下的对话行为是理解...

4.6 服务的指纹识别 4.6.1 使用Nmap工具识别服务指纹信息 4.6.2 服务枚举工具Amap 4.6 服务的指纹识别 为了确保有一个成功的渗透测试，必须需要知道目标系统中服务的指纹信息。服务指纹信息包括服务端口、服务名和版本等。在Kali中，可以使用Nmap和Amap工具识别指纹信息。本节将介绍使用Nmap和Amap工具的使用。 ...

模型加载及恢复训练 恢复训练 模型加载及恢复训练 在快速入门中，我们已经介绍了将训练好的模型保存到磁盘文件的方法。应用程序可以随时加载模型，完成预测任务。但是在日常训练工作中我们会遇到一些突发情况，导致训练过程主动或被动的中断。如果训练一个模型需要花费几天的训练时间，中断后从初始状态重新训练是不可接受的。 万幸的是，飞桨支持从上一次保存状态...

1. 接口说明 2. 接口地址 3. 请求参数 4. 返回值 5. 调用示例 1. 接口说明 印刷文字识别，通过全球领先的 OCR（光学字符识别 Optical Character Recognition）技术，自动对文档 OCR 进行识别，返回文档上的纯文本信息，可以省去用户手动录入的过程， 并会返回图片中文字的坐标位置，方便二次开发...

识别 MNIST 手写体数字 MNIST 数据集介绍 定义训练模型 实现训练作业函数 global_function 装饰器 指定优化目标 调用作业函数并交互 返回一个结果的例子 返回多个结果的例子 同步与异步调用 模型的初始化、保存与加载 模型的初始化与保存 模型的加载 模型的校验 用于校验的作业函数的编写 迭代校验 预测图片...