一、背景介绍主频：CPU自己运算的频率外频：CPU和外部设备协作的频率倍频：主频/外频超频：升高主频，提高运算效率锁频：一般是为了防止超频，把倍频锁定在特定数字二、频率的修改这里以cpu为例子，gpu只需将cbus换成gbus查看当前cpu频率：sudo cat /sys/kernel/debug/clock/cbus/rate查看cpu可用频率：sudo ...

飞桨平台https://www.paddlepaddle.org.cn/tutorials/projectdetail/4676538先抛结论，对于想要快速了解某一领域有哪些比较适合落地的算法的从业人员来说，是一个很好的参考系统。从中可以知道从哪些模型里选型、如何轻量化、如何加速、一些非常细节的FAQ。但是，这个框架维护上还是存在欠缺，比如很多人反馈的教程调不通，盘子铺得较大但维护没跟上；遇到一些

1）tmux a -t yourtmuxname 起一个终端复用的session2）安装jupyter：pip install jupyter3）命令行运行jupyter notebook4）浏览器登录给的地址常用快捷键：tmux lstmux a -t XXXctrl+b %左右切 “上下切 d退出 x关闭https://blog.csdn.net/ch...

DPText-DETR，排名最高，后续试了效果还不错FAST-B-800，排名2DBNet++ 商业化落地最多的

如果已知 A， L ，则 B = A / L (B 为A去光照的结果)效果：速度很快，3秒内完成1张图片的渲染；渲染后类似扫描的白底黑字效果。这里L约等于 gaussFilter(A, 大核)1、基于图像尺寸计算高斯模糊核r大小，必须是奇数。3、每个像素进行 A / L，获得增强后的新图片。光照分布 L = A / B。2、图像进行高斯模糊处理。

飞桨平台https://www.paddlepaddle.org.cn/tutorials/projectdetail/4676538先抛结论，对于想要快速了解某一领域有哪些比较适合落地的算法的从业人员来说，是一个很好的参考系统。从中可以知道从哪些模型里选型、如何轻量化、如何加速、一些非常细节的FAQ。但是，这个框架维护上还是存在欠缺，比如很多人反馈的教程调不通，盘子铺得较大但维护没跟上；遇到一些

本质是一个带prompt的图像大模型。

一开始以为docx解析一切，后来发现远没有那么简单。这里探讨的是docx文件，doc文件比较麻烦，最好在windows平台上处理成docx文件。两者的区别是doc格式比较早office 2003，存储的是二进制格式，docx存储的是xml文件等组成的压缩包，存储容量更小。这篇文章没给代码，基于提示去问问大模型怎么写，根本记不住。

可以组合多个模块，形成一个更大的程序网上给的示例是使用from dspy.datasets import HotPotQA加载数据，也可以用hf下载后放到本地，再从本地加载。但是我想用自己标注的数据，就需要处理为DSPy支持的格式。方法，可以将特定字段标记为输入。（其余的只是元数据或标签。可以使用（点）运算符访问值，train_set[0].answer带hint的数据集label=v,要访问或排

表格解析发展至今，仍然是一项很年轻的研究领域，出现了大量解决方案，常用的技术包括：线检测、box检测、分割、多模态融合、GCN、img2seq。以下按我的理解梳理一下表格解析各个流派，从中了解这项任务背后所采用的技术。在实际生产中，往往需要根据场景定制化多个模型进行堆叠以达到预期效果。注意：以下的流派是按个人理解划分。