- 博客(185)
- 资源 (7)
- 收藏
- 关注
RSS订阅翻译 运行Rasa SDK服务--2.5.0版本
运行操作服务(action server)有两种方法，具体取决于您使用的环境是否安装了rasa：如果安装了rasa，则可以使用rasa命令运行操作服务：rasa run actions如果未安装rasa，则可以直接将操作服务作为python模块运行：python -m rasa_sdk --actions actions使用上面的命令，rasa_sdk将期望在名为actions.py的文件或名为actions的包目录中找到您的操作。可以使用--actions标志指定不同的actions模块或包
2021-06-07 09:41:56
673
翻译 RaSa2.5.x行为之四：表单(Forms)
目录UsageDefining a FormActivating a FormDeactivating a FormSlot Mappingsfrom_entityfrom_textfrom_intentfrom_trigger_intentWriting Stories / Rules for Unhappy Form PathsAdvanced UsageValidating Form InputCustom Slot MappingsDynamic Form BehaviorThe requested
2021-06-04 09:45:02
2876
原创 Python将log日志保存至指定文件
方式1import logginglogger = logging.getLogger('simple_example')logger.setLevel(logging.DEBUG)# 创建日志保存文件fh = logging.FileHandler('spam.log')fh.setLevel(logging.DEBUG)# 创建控制台日志输出ch = logging.StreamHandler()ch.setLevel(logging.ERROR)# 设置日志格式formatte
2021-06-03 22:56:20
1494
1
原创 国内生产总值核算相关公式
目录国内生产总值的三种计算方法投入产出表资金流量核算国内生产总值是按市场价格计算的一个国家所有常住单位在一定时期内生产活动的最终成果。主要体现在以下两个方面：所有常住单位在生产过程中创造的增加值的总和所有常住单位所使用的最终产品价值和净出口的总和国内生产总值的三种计算方法生产法GDP=总产出−中间投入收入法GDP=劳动者报酬+生产税净额+固定资产折旧+营业盈余支出法GDP=最终消费+资本形成总额+货物和服务净出口国民总收入=GDP+国际收支平衡表中经常账户下初次收入贷方减借方的差额\begi
2021-06-01 21:28:36
1847
翻译 Rasa SDK中特殊Action类型：Knowledge Base Actions
目录Using ActionQueryKnowledgeBaseCreate a Knowledge BaseDefine the NLU DataCreate an Action to Query your Knowledge BaseHow It WorksQuery the Knowledge Base for ObjectsQuery the Knowledge Base for an Attribute of an ObjectResolve MentionsCustomizationCustom
2021-05-27 15:55:30
937
原创 Rasa中credentials.yml文件的编写
# 此文件包含您的机器人正在使用的语音和聊天平台的凭据。# https://rasa.com/docs/rasa/messaging-and-voice-channelsrest:# # 您不需要在此处提供任何内容-此channel不需要任何凭据(credentials)# # #facebook:# verify: "<verify>"# secret: "<your secret>"# page-access-token: "<your pa
2021-05-26 14:43:14
681
1
原创 Rasa中endpoints.yml文件的编写
# 此文件包含bot可以使用的不同endpoints。# 从中提取模型的服务器。# https://rasa.com/docs/rasa/model-storage#fetching-models-from-a-server#models:# url: http://my-server.com/models/default_core@latest# wait_time_between_pulls: 10 # [optional](default: 100)# 运行自定义操作的服务
2021-05-26 14:38:15
1157
原创 Rasa自定义操作服务器所需端点
openapi: "3.0.2"info: title: "Rasa Custom Action Server Required Endpoint" description: >- API of the action server which is used by Rasa to execute custom actions.servers: - url: "/webhook" description: "Local development action ser
2021-05-26 14:33:15
561
原创 Rasa - Server Endpoints
openapi: 3.0.1info: title: "Rasa - Server Endpoints" version: "1.0.0" description: >- Rasa服务器提供用于检索会话跟踪程序的端点(endpoints)以及用于修改会话跟踪程序的端点。 此外，还提供了用于训练和测试模型的端点。 servers: - url: "http://localhost:5005" description: "Local developmen
2021-05-26 14:30:35
670
翻译 Rasa SDK编写自定义行为
目录方法(Methods)Action.nameAction.run参数(Parameters)参考Action类是任何自定义行为的基类。要定义自定义行为，请创建action类的子类，并覆盖两个必需的方法name和run。当行为服务器收到运行操作的请求时，它将根据其name方法的返回值调用操作。自定义行为框架如下所示：class MyCustomAction(Action): def name(self) -> Text: return "action_name"
2021-05-21 14:50:29
712
原创 利用Rasa2.5构建自己的中文对话系统
目录一、环境配置0.前期准备1.创建虚拟环境2.安装必要的模块包准备训练数据一、环境配置0.前期准备安装Cmake1.创建虚拟环境conda create -n rasa python=3.72.安装必要的模块包# jiebapip install -i https://mirrors.ustc.edu.cn/pypi/web/simple jieba# scikit-learnpip install -i https://mirrors.ustc.edu.cn/pypi/web
2021-05-20 16:03:04
658
翻译 RaSa2.5.x相关概念之二：Domain
目录多个Domain文件(Multiple Domain Files)意图(Intents)为某些目的忽略实体(Ignoring Entities for Certain Intents)实体(Entities)插槽(Slots)插槽与会话行为(Slots and Conversation Behavior)插槽类型(Slot Types)Text SlotBoolean SlotCategorical SlotFloat SlotList SlotAny SlotCustom Slot TypesSlot
2021-05-20 15:35:56
691
翻译 RaSa2.5.x训练数据之三：故事(Stories)
目录格式(Format)User MessagesActionsEventsSlot EventsForm EventsCheckpoints and OR statementsCheckpointsOr StatementsTest Conversation FormatEnd-to-end Training参考故事(Stories)是一种训练数据，用于训练助手的对话管理模型。故事(Stories)可以用来训练模型，这些模型可以推广到未发现的对话路径。格式(Format)故事(Stories)是用户
2021-05-20 14:43:35
1306
翻译 RaSa2.5.x构建助理之二：Migrate From Other Tools (beta)
以下是开发人员从其他工具转向Rasa开源的几个原因：更快：在本地运行-无需HTTP请求或服务器往返可定制：调整模型，并使用数据集获得更高的精度开放源代码：没有供应商锁定的风险-Rasa在Apache2.0许可下开放源代码，您可以在商业项目中使用它此外，我们的开源工具允许开发人员构建上下文AI助手，并使用机器学习而不是规则来管理对话-请参阅本文。了解如何从以下位置进行迁移：Google DialogflowWit.aiMicrosoft LUISIBM Watson...
2021-05-20 10:06:38
168
原创 Python模型部署工具
目录什么是模型部署？模型部署工具介绍MLflowMLeapPMMLPysparkSklearnONNX介绍TensorRT[TensorFlow Serving](https://github.com/tensorflow/serving)Web服务化部署Docker菜鸟教程参考什么是模型部署？在典型的机器学习和深度学习项目中，建模的常规流程是定义问题、数据收集、数据理解、数据处理、构建模型。但是，如果我们想要将模型提供给最终用户，以便用户能够使用它，就需要进行模型部署，模型部署要做的工作就是如何将机器
2021-05-17 15:33:16
1223
翻译 Windows安装face_recognition
前言新版本的dlib不再需要Boost，因此您可以跳过它。请记住，您仍然需要满足以下要求。要求我已经在Windows10上安装了这些工具并使用了本教程，但是更新的版本可能也适用。安装带有C/C++编译器的Microsoft Visual Studio 2015(或更高版本) 。（Visual C++ 2015的构建工具对我来说不起作用，我在编译DLIB时遇到了问题）Python3（我用的是Python3.5 x64，但是其他版本也可以）CMake for windows，并将其添加到系统环境变
2021-05-11 11:29:36
425
原创 Windows下安装dlib
Windows系统下安装dlib需要安装两个依赖软件Cmakeboost第一步，安装Cmake第二步，安装boost第三步，安装dlib
2021-05-11 09:48:23
3888
3
翻译 RaSa2.5.x利用Fallback处理超出范围的消息
目录处理超出范围的消息1.创建超出范围的意图(nlu.yml)2.定义响应消息(domain.yml)3.创建超出范围规则(rules.yml)处理特定的超出范围消息FallbacksNLU Fallback1.更新配置文件(config.yml)2.定义响应消息(domain.yml)3.创建NLU fallback规则(rules.yml)处理置信度较低的Action1.更新配置文件(config.yml)2.定义默认响应消息(domain.yml)3.自定义默认操作(actions.py)Two-St
2021-05-06 10:30:15
1681
1
翻译 Rasa处理业务逻辑的分步指南
目录1.定义表单(form)插槽映射响应参考表单的工作方式是提示用户输入信息，直到它收集了所有必需的信息。信息存储在插槽中。一旦所有必需的插槽都被填满，bot就会满足用户的原始请求。1.定义表单(form)要定义表单，您需要定义：插槽映射：要收集的必需信息响应：你的机器人应该如何回答每一条信息插槽映射对于餐馆搜索示例，我们希望从用户那里收集以下信息：美食(cuisine)人数(number of people)是否坐在外面(whether they want to sit outs
2021-04-29 10:41:32
806
翻译 Rasa构建常见问题解答助手和闲聊助手的分步指南
目录1.更新配置(config.yml)2.定义检索意图和响应选择器3.创建规则(rules.yml)4.更新NLU训练数据(nlu.yml)5.定义响应(domain.yml)总结要处理常见问题和闲聊，您需要一个基于规则的对话管理策略（RulePolicy）和一个简单的方法来返回问题的相应响应（ResponseSelector）。1.更新配置(config.yml)对于常见问题和闲聊，您总是希望助理在每次提出相同类型的问题时都以相同的方式回答。Rules允许你这么做。要使用规则，您需要将RulePo
2021-04-28 09:08:33
823
翻译 RaSa2.5.x构建助理之一：安装(Installation)
目录安装(Installation)1.1快速安装(Quick Installation)1.2分步安装1.创建虚拟环境2.安装开源Rasa1.3从源码安装(Building from Source)1.4附加依赖项(Additional Dependencies)Dependencies for spaCyDependencies for MITIE1.5版本升级安装(Installation)1.1快速安装(Quick Installation)使用pip安装开源Rasa(要求Python 3.6
2021-04-27 16:17:03
567
翻译 RaSa2.5.x行为之五：默认行为(Default Actions)
目录action_listenaction_restartaction_session_start定制(Customization)action_default_fallbackaction_deactivate_loopaction_revert_fallback_eventsaction_two_stage_fallbackaction_default_ask_affirmationaction_default_ask_rephraseaction_backForm Action参考默认行为(Defa
2021-04-27 15:52:29
1078
翻译 RaSa2.5.x行为之三：自定义行为(Custom Actions)
Custom Actions参考自定义行为可以运行您想要的任何代码，包括API调用、数据库查询等。它们可以打开指示灯、将事件添加到日历、检查用户的银行余额，或者您可以想象的任何其他操作。有关如何实现自定义行为的详细信息，请参阅SDK文档。您想在故事中使用的任何自定义行为都应该添加到domain的actions部分。当对话引擎预测要执行的自定义行为时，它将调用行为服务器，并提供以下信息：{ "next_action": "string", "sender_id": "string", "t
2021-04-27 14:46:09
784
翻译 RaSa2.5.x之一：Rasa Playground
目录一、构建自己的对话助手(简单示例)1. NLU数据(NLU data)2. 响应(Responses)3. 故事(Stories)4. 表单(Forms)5. 规则(Rules)安装(Installation)快速安装(Quick Installation)从源码安装(Building from Source)附加依赖项(Additional Dependencies)Dependencies for spaCyDependencies for MITIE调整自己的NLU模型(Tuning Your N
2021-04-23 11:27:08
408
翻译 Rasa2.5x之只训练NLU模型
仅训练NLU模型要仅训练NLU模型，请运行：rasa train nlu这将在data/目录中查找NLU训练数据文件，并在models/目录中保存训练模型。模型的名称将以nlu-开头。在命令行上测试NLU模型要在命令行上试用NLU模型，请运行以下命令：rasa shell nlu这将启动rasa shell，并要求您输入一个消息以进行测试。你可以随时输入你喜欢的信息。或者，您可以省去nlu参数，直接传入仅nlu的模型：rasa shell -m models/nlu-20190515-
2021-04-22 15:52:28
636
翻译 RaSa2.5.x训练数据之一：训练数据格式(Training Data Format)
目录概述(Overview)高级结构(High-Level Structure)例子(Example)NLU训练数据(NLU Training Data)训练实例(`Training Examples`)实体(Entities)同义词(Synonyms)正则表达式(Regular Expressions)查找表(Lookup Tables)会话训练数据(Conversation Training Data)故事(Stories)用户消息(User Messages)行为(Actions)表单(Forms)槽
2021-04-20 10:48:23
1520
原创 Python中的yield语句理解
带有 yield 的函数在 Python 中被称之为 generator（生成器），yield语句一般与循环体共同使用，进而实现类似迭代的效果。下面以生成斐波那契数列为例，理解yield的作用：def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield a, b = b, a + b n = n + 1for m in fab(5):
2021-04-02 21:05:12
451
原创 图像轮廓检索函数cv2.findContours
findContoursfindContours函数主要作用是从二值图中检索轮廓。用法import cv2cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])参数image：8-bit单通道图像。该图像只有两个取值0和1，因此也被视为二进制图像。mode：method：实例...
2021-03-25 15:13:44
6934
原创 Opencv图像二值化操作
图像二值化就是根据阈值将数字图像分为两部分：大于阈值的像素集合和小于阈值的像素集合。在Opencv中提供了数字图像二值化处理的函数，如下：import cv2cv2.threshold(src,threshold,maxValue,Methods)参数src：灰度图；threshold：用来对像素值进行分类的阈值；maxValue：当像素值高于（有时是小于）阈值时应该被赋予的新的像素值；Methods：阈值方法。阈值方法具体包括如下五种：cv2.THRESH_BINARY：大于
2021-03-24 16:33:15
3097
1
原创 绘制彩色图的颜色直方图
在Opencv中已经集成了关于彩色图像直方图计算的函数，形式如下：import cv2cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])参数images：array-like类型，要计算的图像(单张或多张)；channels：要计算的通道索引；mask：图像掩膜；histSize：直方图的柱子数量，即将数据分布在多少个区间上计数；ranges：为直方图取值范围；hist：为返回值，不
2021-03-24 15:58:39
1687
3
原创 立体条形图绘制
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport numpy as npfig = plt.figure()ax = fig.add_subplot(111, projection='3d')for c, z in zip(['r', 'g', 'b', 'y'], [30, 20, 10, 0]): xs = np.arange(20) ys = np.random.rand
2021-03-24 14:44:46
435
1
原创 keras-yolo3项目之训练文件train.py注释
要想知道一个模型的流程，个人认为，看训练代码是能最快了解模型前后逻辑关系的方法之一，keras-yolo3项目训练源码如下："""Retrain the YOLO model for your own dataset.使用自己的数据训练YOLO模型"""import numpy as npimport keras.backend as Kfrom keras.layers import Input, Lambdafrom keras.models import Modelfrom ker
2021-03-18 17:26:44
288
原创 池化层函数
最大值池化函数MaxPooling2DMaxPooling2D( pool_size=(2, 2), strides=None, padding='valid', data_format=None, **kwargs,)参数pool_size：整数或由2个整数组成的元组，用于缩小比例的因子（垂直、水平）。（2，2）将在两个空间域中的输入减半尺寸。如果只指定一个整数，两个维度将使用相同的窗口长度。strides：整数或由2个整数组成的元组，表示步长，如果不
2021-03-17 22:14:58
731
原创 卷积层函数
Conv2DConv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, acti
2021-03-17 17:41:34
645
原创 base64模块的b64decode函数
b64decodeimport base64base64.b64decode(s, altchars=None, validate=False)b64decode函数的主要作用是对经过base64编码的bytes-like对象或者ASCII字符串进行解码。参数s：要被解码的对象altchars：必须是长度为2的bytes-like类型对象或ASCII字符串，它指定“+”和“/”字符的替代字母表。validate：实例创建byte类型对象import base64mystr =
2021-03-17 16:36:21
18392
原创 base64模块的b64encode函数
b64encodeb64encode函数主要是使用Base64对bytes-like对象进行编码并返回bytes对象。
2021-03-17 16:17:36
17858
原创 keras-yolo3项目之YOLO3主网络层的实现及解析
YOLOV3的网络结构在YOLOV3的论文中，给出的网络结构如下：从上图中，可以得到卷积层共有52个，左侧的数字(1,2,8,8,4)表示所框选的卷积层重复的次数，由此可以将重复的网络层作为一个循环体，存在一定的规律性：YOLOV3主网络层的代码实现from functools import wraps,reduceimport numpy as npimport tensorflow as tffrom tensorflow.keras.utils import plot_modelf
2021-03-15 20:47:08
327
1
原创 Python解码(解密)函数decode
decodestr.decode(encoding='UTF-8',errors='strict')decode函数的主要作用是通过encoding指定的编解码器对字符串str进行解码。参数encoding：字符串str的编码格式，如"UTF-8"。errors：设置不同错误的处理方案。默认为 ‘strict’,意为编码错误引起一个UnicodeError。 其他可能得值有 ‘ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’
2021-03-15 20:45:03
1979
原创 Python编码(加密)函数encode
encodeencode函数的主要作用是使用注册编码的编解码器对字符串进行编码。用法str.encode(self, /, encoding='utf-8', errors='strict')参数encoding：要使用的编码，如"UTF-8"。errors：设置不同错误的处理方案。默认为 ‘strict’,意为编码错误引起一个UnicodeError。 其他可能得值有 ‘ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’
2021-03-15 20:31:53
953
原创 OpenCV键盘监听函数
waitKeycv2.waitKey([, delay]) 该函数主要作用是如果过了delay毫秒，仍然没等到有按键事件发生， 就继续执行下面的函数， 类似于延时（delay）效果。返回的数值是按下的按键字符，对应的 ASCII 编码。参数介绍delay：等待时间(毫秒)示例通过该函数实现按下键盘任意键退出函数的功能，以q键为例：import cv2# 创建一个名为image的窗口cv2.namedWindow('image')while True: # 等待按键事件发生
2021-03-12 18:00:17
2058
Netron-Setup-4.7.3.exe
2021-01-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人