Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别多种格式的图像文件并将其转换成文本，目前已支持60多种语言（包括中文）。 Tesseract最初由HP公司开发，后来由Google接盘填坑。

上一章我们了解了马尔可夫决策过程的动态规划方法，但是动态要求一个完全已知的环境模型，这在现实中是很难做到的。另外，当状态数量较大的时候，动态规划法的效率也将是一个问题。所以本章我们引用一种不需要完整的环境模型的方法概念——蒙特卡罗方法。蒙特卡洛是一个赌城的名字。又叫统计模拟方法，它使用随机数（或伪随机数）来解决计算的问题，是一类重要的数值计算方法。相对于确定性的算法，蒙特卡洛方法是基于抽样数据来计

deepseek相关的就不多说了，网上有都是营销号在吹。当前deepseek经常被国外恶意攻击，api不稳定。注意这两个选项，plan只会列出计划，而不会真的改代码，act会行动。roo code也可以用，属于轻便型的，功能没cline多。目前我使用的是硅基流动，也是满血deepseek-R1。之后ai会输出分析，并开始工作，具体生产过程见下面视频。配置api用deepseek可能会调用失败。输入

一.概念FM(分解机模型)和FFM(基于域的分解机模型)是最近几年提出的模型，主要用于预估CTR/CVR，凭借其在数据量比较大并且特征稀疏的情况下，仍然能够得到优秀的性能和效果的特性，屡次在各大公司举办的CTR预估比赛中获得不错的战绩。二.原理FM（Factorization Machine）是由Konstanz大学Steffen Rendle（现任职于Google）于20

pandas 是基于NumPy 的一种工具， 名字很卡哇伊，来源是由“ Panel data”（面板数据，一个计量经济学名词）两个单词拼成的。pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。主要应用于处理大型数据集。数据处理速度算是最大的特色，剩下的就是个python版的excel了吧。API文档：http://pandas.pydata.org/panda..

Keras是一个高层神经网络API，由纯Python编写而成，至少依赖Tensorflow、Theano、CNTK一种神经网络框架，这里建议用Tensorflow。Keras的特性：1.简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）2.支持CNN和RNN，或二者的结合3.无缝CPU和GPU切换Keras的设计原则是1、用户友好：说白了就是傻瓜式开发，狗上狗也行。2、模块性：模

概念马尔可夫决策过程（MDP）是基于马尔可夫过程理论的随机动态系统的最优决策过程。指决策者周期地或连续地观察具有马尔可夫性的随机动态系统，序贯地作出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动作出决策，系统下一步（未来）的状态是随机的，并且其状态转移概率具有马尔可夫性。决策者根据新观察到的状态，再作新的决策，依此反复地进行。马尔可夫性是指一个随机过程未来发展的概率规律与观察之前

*文本为上一篇博客http://blog.csdn.net/sm9sun/article/details/77898734的部分追加优化上一篇博客已经实现了基本的出牌逻辑，大部分情况能够给出正确的策略选择，但经过了一些测试，仍发现了几个严重的问题：问题一：当手牌无闲牌时，偶尔会将完整的一组牌拆开打出。例如：二万、四万、七万、八万、三筒、五筒、一条、二条、三条、九条、九条可能会打

普通麻将的出牌AI如果不是要求特别高的话，其实蛮容易实现的，毕竟大多数人打牌都只是看自己的手牌。所以作为简易版的AI，出牌的策略只要奔着胡牌去就可以了。我们能想到的就是把相邻或相同的牌凑到一起，把单独的牌打出去。以这个思路打牌，就会慢慢接近听牌至最终的胡牌。我们简单举个例子，我们有1万2万，那么我们认为其打出去的优先级要高于单独的牌，因为其只需要1个三万就可以凑成一组了。这种思路实际很

最近在做一款叫做“卡五星”的三人麻将，来自湖北，麻将里只有筒和条（没有万）以及中发白这些牌。其他的特殊功能暂且不提，其中有一个需求是玩家听牌后需要将与胡牌有关系的牌显示出来给其他玩家看。举个例子，比如说我的手牌是1234677筒，此时我胡5筒（4,6），那么就要讲4筒,6筒显示出来。又比如7888筒（胡6,7,9筒），就要讲7888都显示出来。放组样例图：开始接到这