使用PaddleHub，实现AI一键视频人像美颜。完成视频人像瘦脸、大眼、美白、红唇等美颜功能。
项目地址：AI Studio
对视频进行人像美白和大眼后，效果如下图：
实现代码如下：
建议在 AI Studio 中直接 fork 该 项目 并运行，以获得较好的体验和运行结果。
# 参数设置
videos_path = 'girl.mp4' # 原始视频路径
frames_save_path = 'frame' # 图片帧保存路径
time_interval = 1 # 图片帧保存间隔
target_frames_
2021-12-16 20:15:32
133KB
1
可能没有玩过DD－WRT的玩家不知道DD－WRT是什么，我们打个比方：路由器的硬件就如同我们计算机的主板、内存、硬盘等，而实际上每台无线路由都有一个操作系统OS，每个厂家的无线路由器操作系统都不相同，而且也没有对外公布代码，这就类似于windows操作系统，虽然我们可以正常使用这些无线设备，但是由于自带的OS不能够随便修改，所以难免在实际使用上存在这样或那样的不足，可能不适合自己使用。在这种环境下DD-WRT驱动应运而生，准确的说就是有了DD-WRT之后，每台路由的功能可以由我们自己安装、配置，挺有意思的吧。
2021-12-15 13:54:24
1.18MB
1
最新成果（3.25）
直接运行exe文件即可
更新于历史3.24
首先我们要去下载fiddler这个软件下面是这个软件的链接
https://www.lanzous.com/iam74xg
（上面这个链接里面的东西我都配好了，解压就可以用，可以直接做题）
打开之后
把下面这些勾选上
（一直点是或者确定）
至此差不多可以抓包了
下面开始做题
打开词达人，左侧会出现下图的理解了解（使用前最好把其他软件关了）
双击点开他
然后开始答题，
做完一题后，不要忙着点继续，（因为做完一题后，下一题的链接也会出现再下方，点进去，然后看答案再点继续）
虽然还是自己做，但是有答案总比没答案要好啊
2021-12-14 21:38:39
1.85MB
1
说明
本文是方法记录，不是完整的项目过程（在我Jupyter上，数据前期预处理部分懒得搬了），也没有调参追求准确度（家里电脑跑不动）。
参考任务来源于Kaggle，地址：电影评论情感分类
本文参考了不同的资料来源，包括斯坦福CS224N的课程资料，网上博客，Keras官方文档等
任务核心部分
1.单词表示
1.1 理论部分
对大部分（或者所有）NLP任务，第一步都应该是如何将单词表示成符合模型所需要的输入。最直接的思路就是将单词（符号）变为词向量。
词向量的表示方法：
one-hot 编码：想法直接，但过于稀疏，且词与词之间正交，无法衡量词之间的相似度
基于矩阵分解的方法：比如不同词窗的矩阵，
2021-12-05 23:21:52
131KB
1
本文实例讲述了正则表达式实现将MM/DD/YYYY格式的日期转换为YYYY-MM-DD格式的方法。分享给大家供大家参考。具体实现方法如下：
代码如下:
<html>
<head><title>正则表达式</title></head>
<body>
返回列表
<form action=”<? echo $PHP_SELF; ?>” method=”post”>
请输入MM/DD/YYYY格式的日期：
<input type=”text” name=”date” value=”<? echo $date; ?>”>
<input type=”sub
2021-12-04 14:42:15
32KB
1
Android开发过程中需要网络访问获取数据，一般都是通过HTTP/HTTPS请求服务器获取数据；
但是HTTP/HTTPS请求很容易被别人使用一些像Fiddler等抓包工具抓取信息，对数据进行分析
很容易得到请求方式、请求接口地址、请求参数、消息头部信息、请求类型等信息，以及请求响应
返回的数据信息；
获取到这些信息后，一方面可以分析数据得到想要的数据，如获取视频网站中的视频路径等，
另一方面可以模拟各种请求不断发送到服务器，这样可以不停的从服务器获取数据，还可能造成服
务器负载过大；
有童鞋可能说我可以对数据进行加密，这样即使抓取到数据也无法识别；
2021-11-27 01:46:40
41KB
1
HG320--235W从电信原版的刷机教程，含刷机tftp工具和DD，TT，磊科固件
一步到位
2021-11-24 20:31:11
19.43MB
1
不是做NLP方向对这方面之前也并不了解，但本科学习过文本挖掘课程，在数据挖掘的时候偶尔会涉及到对本文特征的处理，只好趁着机会再学习总结下。
embedding
简单来说，embedding就是用一个低维的向量表示一个物体，可以是一个词，或是一个item(商品，或是一个电影等等)。这个embedding向量的性质是能使距离相近的向量对应的物体有相近的含义，比如 Embedding(复仇者联盟)和Embedding(钢铁侠)之间的距离就会很接近，但 Embedding(复仇者联盟)和Embedding(乱世佳人)的距离就会远一些。
除此之外Embedding甚至还具有数学运算的关系，比如Embed
2021-11-24 14:51:40
249KB
1