蜗牛kuai快跑

导航

2019年1月13日 #

python之正则表达式

摘要: 记号 正则表达式默认是贪心匹配的,如果正则表达式模式中使用到通配字,那它在按照从左到右的顺序求值时,会尽量“抓取”满足匹配的最长字符串。有时需要“抓取”最短字符串,因此就需要使用非贪心匹配。非贪婪操作符“?”,可以用在“*”,“+”,“?”的后面。 阅读全文

posted @ 2019-01-13 22:21 蜗牛kuai快跑 阅读(125) 评论(0) 推荐(0) 编辑

2018年8月22日 #

kenlm的使用

摘要: 1.训练模型 -o 表示n_gram 中的n(必选) -S 内存使用(可选) -T 临时文件(可选) -text 待训练语料,必须分词 -text.arpa 输出为arpa格式的n_gram结果,如下图所示: 2.查询模型 为了更快的加载将 text.arpa 转换为 binary 文件 测试 结果 阅读全文

posted @ 2018-08-22 17:24 蜗牛kuai快跑 阅读(1811) 评论(0) 推荐(0) 编辑

ubunut python2 和python 3 同时存在 pip指向问题

摘要: https://blog.csdn.net/u012516318/article/details/75339860 阅读全文

posted @ 2018-08-22 15:21 蜗牛kuai快跑 阅读(341) 评论(0) 推荐(0) 编辑

Ubuntu16.04上pip报错ModuleNotFoundError: No module named 'pip._internal'

摘要: https://blog.csdn.net/San_South/article/details/80715682 阅读全文

posted @ 2018-08-22 15:21 蜗牛kuai快跑 阅读(723) 评论(0) 推荐(0) 编辑

2018年8月15日 #

SRILM的使用及平滑方法说明

摘要: 1.简介 SRILM是通过统计方法构建语言模型,主要应用于语音识别,文本标注和切分,以及机器翻译等。 SRILM支持语言模型的训练和评测,通过训练数据得到语言模型,其中包括最大似然估计及相应的平滑算法;评测是计算测试集的困惑度。其最基础和最核心的模块是n-gram模块,包括两个工 具:ngram-c 阅读全文

posted @ 2018-08-15 16:47 蜗牛kuai快跑 阅读(1231) 评论(0) 推荐(0) 编辑

2018年8月13日 #

linux下安装srilm

摘要: 1.安装相关依赖库 a.c/c++ compiler:编译器gcc 3.4.3及以上版本 b.GNU make:构建和管理工程的工具,解释Makefile里的指令,描述了整个工程所有文件的编译顺序和编译规则。这里是为了控制SRILM的编译和安装。 c.GNU gawk:GNU所做的awk程序语言。对 阅读全文

posted @ 2018-08-13 15:32 蜗牛kuai快跑 阅读(1358) 评论(0) 推荐(0) 编辑

2018年7月24日 #

非root用户安装cuda和cudnn

摘要: 1、根据自己的系统在官网下载cuda (选择runfile(local)) 2、进入下载目录,并执行 注意:1.在协议中选择同意EULA(accept) 2.不安装driver installation (no) 3.选择cuda安装目录,如/home/yourname/cuda,以及cudasam 阅读全文

posted @ 2018-07-24 17:59 蜗牛kuai快跑 阅读(3151) 评论(0) 推荐(0) 编辑

tensorflow安装汇总

摘要: https://blog.csdn.net/shuzfan/article/details/78516542 阅读全文

posted @ 2018-07-24 17:42 蜗牛kuai快跑 阅读(181) 评论(0) 推荐(0) 编辑

Anaconda的安装及使用

摘要: 总结的很清楚,做个记录。 http://python.jobbole.com/86236/ 阅读全文

posted @ 2018-07-24 17:19 蜗牛kuai快跑 阅读(171) 评论(0) 推荐(0) 编辑

Linux中硬链接和软链接的区别

摘要: 看了这篇文章之后,豁然开朗。直接放链接,感谢作者的分享。 https://www.ibm.com/developerworks/cn/linux/l-cn-hardandsymb-links/#icomments 阅读全文

posted @ 2018-07-24 16:45 蜗牛kuai快跑 阅读(233) 评论(0) 推荐(0) 编辑