1. 样本图片准备 2. 打开 jTessBoxEditor ，选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片 3 弹出保存对话框，还是选择在当前路径下保存，文件命名为ty.cp.exp6.tif 4. tesseract ty.cp.exp6.tif ty.cp.exp6 -l ty batch.nochop makebox 5. 打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开步骤2中生成的ty.cp.exp6.tif ，会自动关联到 “ty.cp.exp6.box” 文件： 6. 使用echo命令创建字体特征文件 echo cp 0 0 0 0 0>font_properties. 输入内容 “cp 0 0 0 0 0” 7. 使用 tesseract 生成 ty.cp.exp6.tr 训练文件 在终端中执行以下命名： tesseract ty.cp.exp6.tif ty.cp.exp6 nobatch box.train 8. 生成字符集文件 在终端中执行以下命令： unicharset_extractor ty.cp.exp6.box 9. mftraining -F font_properties -U unicharset -O ty.unicharset ty.cp.exp6.tr 与 cntraining ty.cp.exp6.tr 生成之后手工修改 Clustering 过程生成的 4 个文件（inttemp、pffmtable、normproto、shapetable）的名称为 [lang].xxx。这里改为 ty.inttemp、ty.pffmtable、ty.normproto、ty.shapetable。 10. 合并数据文件 在终端中执行以下命令： combine_tessdata ty. tesseract b01.jpg result -l ty --psm 7

YR系列三相绕线高压异步电动机产品样本.pdf 介绍了关于YR系列三相绕线高压异步电动机产品样本的详细说明，提供电机的技术资料的下载。

代码文档： 数据集： 凯斯西储大学（CWRU）的轴承故障诊断数据集，划分为4个工况和数据集（A,B,C,D）进行验证。 项目介绍： README.md。 cwru.py： 定义数据集加载函数。 experimentAB.ipynb：实验A和实验B代码。 experimentC.ipynb：实验C代码 experimentD.ipynb：实验D代码 metadata.txt： 在cwru.py文件中使用。 models.py： 定义几率模型和WDCNN模型的加载函数。 siamese.py： 定义几率输入数据的init、几率模型训练和几率模型测试函数。 utils.py： 定义一些实用函数。 tmp： 保存训练后的模型和测试结果。

汇编语言程序设计方案报告样本.doc

车险理赔数据：包含了6w+样本 veh_value: 车辆价值 exposure: 保险时间 clm: 是否发生过索赔(1代表发生过，0代表未发生过) numclaims: 索赔次数 claimcst0: 第一次索赔的费用 veh_body: 车辆类型 veh_age: 车辆年龄 gender: 被保险人性别 area: 地区 agecat: 年龄类别

odoo-py3o-sample-report 该存储库对为基本Odoo报告提供py3o模板的模块进行了分组。 依存关系： 此存储库中的py3o模板使用OCA 存储库中的模块 。 它需要以下Python依赖项： pip install py3o.template pip install py3o.formats 使用LibreOffice进行模板： 允许遵循可用的语法在直接创建模板。 跟踪.odt业务文档的演变： 有3个可用选项来跟踪.odt模板中的更改： 在LibreOffice中使用“本机选项 提取两个.odt文档的.xml并将其与经典的git diff或gitk工具进行git diff 。 请注意，页眉和页脚上的文本与主文本位于单独的.xml文件中。 将.odt二进制文件转换为纯文本格式后，使用经典的git diff或gitk工具： 安装 sudo apt-get更

TMEIC TMdrive-MVGC 高压变频器手册pdf,TMEIC TMdrive-MVGC 高压变频器选型介绍

单片机原理及应用课程设计八路温度巡回检测系统样本.doc

车辆识别正样本2587个，都是33*33像素的黑白图。 车辆的角度有前有后，无横向位置。 可用opencv进行学习。

公路车辆机器学习深度学习样本1500个，包括车头、车尾、侧面的车辆照片，尺寸为128*64