现阶段，项目的架构流程已经跑通，接下来重点要做的是模型调优，以及优化前段展示等工作，希望基于本项目，可以带动大家学习人工智能NLP领域的兴趣和积极性，一起完善、共建这个项目，开发一个app来实现个性化的歌词生成！

双向LSTM；LSTM 应用到双向RNN 中；双向 LSTM-CRF；双向 LSTM-CNNs；双向 LSTM-CNNS-CRF；

Conformer：在Transformer中嵌入卷积模块（如Convolution Module），利用CNN提取局部声学特征，同时保留自注意力的全局建模能力。技术演进主线：从CTC的序列对齐，到注意力机制的上下文建模，再到Conformer的全局-局部特征融合，语音识别逐步向高效、高精度、低延迟方向发展。RNN-T：在CTC基础上引入预测网络（语言模型）和联合网络，允许每帧生成多个符号，支持实

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和图像处理库，广泛用于图像和视频处理、特征检测、目标识别等领域。HSV 是一种常用的色彩空间，它将颜色表示为三个分量：色调（Hue）、饱和度（Saturation） 和 明度（Value）。作为图像处理领域的标准测试图像，Lena图像为研究者提供了一个共同的参考点，便于在相同的条件下比较不同

这段代码展示了如何使用 OpenCV 的 cv2.equalizeHist 函数对灰度图像进行直方图均衡化处理，并通过 Matplotlib 显示原始图像、均衡化后的图像以及它们的直方图。直方图均衡化是一种增强图像对比度的技术，通过调整图像的灰度分布，使其直方图接近均匀分布。直方图均衡化是一种增强图像对比度的方法，通过调整图像的灰度分布，使输出图像的直方图接近均匀分布。图像以灰度模式读取（cv2.

对自注意力层的输出应用交叉注意力层和第二个残差连接：self.residual_connections[1](x, lambda x: self.cross_attention_block(x, encoder_output, encoder_output, src_mask))，交叉注意力层中，查询来自解码器当前层的输入，键和值来自编码器的输出，src_mask 用于屏蔽源序列中填充位置的信息。

使用 pandas 拷贝一份数据集，命名为 df，取 'price (USD)' 为标签 y, 其他为特征集合 X，删除 X 中无关特征，只保留：'inches', 'battery', 'ram (GB)', 'weight (g)', 'storage (GB) 等特征，统计 name 特征中包含 'pro' 或 'max' 的样本，新建布尔特征 'has_pro_or_max'。并且在该函数

现阶段，项目的架构流程已经跑通，接下来重点要做的是模型调优，以及优化前段展示等工作，希望基于本项目，可以带动大家学习人工智能NLP领域的兴趣和积极性，一起完善、共建这个项目，开发一个app来实现个性化的歌词生成！

DeepSeek-V3通过多Token预测、免负载均衡MOE、高效注意力缓存等核心技术，实现了训练效率、推理速度与生成质量的全面提升。其创新点不仅体现在算法设计上，更通过工程优化（如并行化、缓存策略）解决了大规模模型部署的实际瓶颈，为工业级应用提供了新的标杆。

TextCNN 是一种经典的文本分类模型，其核心思想是将卷积神经网络应用于文本数据，通过提取局部特征实现高效的文本分类任务。TextCNN 在情感分析、推荐系统、语义匹配等领域有广泛的应用，具有高效性、局部特征提取能力和灵活性等优势。