基于扩张神经网络（Divolved Convolutions）训练好的医疗领域的命名实体识别工具，这里主要引用模型源码，以及云部署方式供大家交流学习。 环境 阿里云服务器：Ubuntu 16.04 Python版本：3.6 Tensorflow：1.5 第一步：来一个Flask实例，并跑起来： 使用的是Pycharm创建自带的Flask项目，xxx.py from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' if __name__ == '__main__': app.run() 执行python xxx.py就可以运行在浏览器中测试若直接在dos窗口中：输入命令也可测试。 第二部：服务器配置 服务器python版本为3.x 安装pi

论文《Dilated Residual Networks》的pytorch源码，python3环境。

对图像特征提取中的图像感受野部分进行了大致的概括，主要分为以下几个部分，由感受野的介绍，感受野的作用，增大感受野的方法如池化和空洞卷积，对空洞卷积的原理进行了详细的描述。对图像特征提取中的图像感受野部分进行了大致的概括，主要分为以下几个部分，由感受野的介绍，感受野的作用，增大感受野的方法如池化和空洞卷积，对空洞卷积的原理进行了详细的描述，

Multi-Scale Context Aggregation by Dilated Convolutions.zip