最新

我用C++构建了一个分词器，并提供了Python绑定，其在处理大输入时的性能比HuggingFace的分词器快10倍。该分词器经过优化，旨在实现最低的内存使用和延迟。<p>基准测试和比较已包含在自述文件中。欢迎反馈或贡献！

嗨，HN， 我一直在开发一个专门针对机器学习数据集准备的OCR管道。它旨在处理复杂的学术材料，包括数学公式、表格、图形和多语言文本，并输出干净、结构化的格式，如JSON和Markdown。 一些特点： - 多阶段OCR，结合了DocLayout-YOLO、Google Vision、MathPix和Gemini Pro Vision - 能够提取和理解图表、表格、LaTeX风格的数学公式以及多语言文本（包括日语、韩语和英语） - 针对机器学习训练管道进行了高度调优，包括数据集生成和RAG或微调任务的预处理 包含了样本输出和基于真实考试的示例（如EJU生物、东京大学数学等）。 非常期待听到大家的反馈或改进建议。 GitHub: [https://github.com/ses4255/Versatile-OCR-Program](https://github.com/ses4255/Versatile-OCR-Program)

YourIVFPath是一个帮助准父母在美国寻找和比较试管婴儿（IVF）诊所的工具，利用来自CDC的透明数据驱动见解。<p>试管婴儿是一段非常个人化、情感上具有挑战性且财务上重要的旅程。然而，对于许多人来说，找到合适的诊所就像在黑暗中摸索——信息分散、成功率不明确、选择令人不知所措。<p>YourIVFPath旨在改变这一现状。我们的理念是将公开可用的诊所数据整合成一个简洁、易于访问的格式，以便家庭能够清晰、自信地做出明智的决策。<p>如果您认识正在探索生育治疗选项的人，希望这能为他们的旅程带来更多的透明度。<p>欢迎反馈和建议！<p>技术栈：我使用Supabase存储数据，使用Ruby进行数据抓取，使用StackBlitz的bolt.new进行网站设计和大部分React代码，使用Vercel进行部署，当然在每一个步骤中都使用了ChatGPT。所有数据均来自CDC。