機(jī)械設(shè)計(jì)標(biāo)準(zhǔn)庫，機(jī)械設(shè)計(jì) 標(biāo)準(zhǔn)

同濟(jì)建筑網(wǎng) 2025-01-12 21:05:37 0

大家好，今天小編關(guān)注到一個(gè)比較有意思的話題，就是關(guān)于機(jī)械設(shè)計(jì)標(biāo)準(zhǔn)庫的問題，于是小編就整理了3個(gè)相關(guān)介紹機(jī)械設(shè)計(jì)標(biāo)準(zhǔn)庫的解答，讓我們一起看看吧。

光纖ISP標(biāo)準(zhǔn)？

●光纖ISP標(biāo)準(zhǔn)

EC60793-1-1(1995,第1版)光纖第1部分總規(guī)范總則

lEC60793-1-2(1995,第1版)光纖第1部分總規(guī)范尸寸參數(shù)試驗(yàn)方法

EC60793-1-3(1995,第1版)光纖第1部分總規(guī)范機(jī)械性能試驗(yàn)方法Bad庫軍

EC60793-14(1995,第1版)光纖第1部分總規(guī)范傳輸特性和光學(xué)特性試驗(yàn)方法

EC60793-1-5(1995,第1版)光纖第1部分總規(guī)范環(huán)境性能試驗(yàn)方法

IEC60793-2(1998,第4版)光纖第2部分

求助，想把機(jī)械硬盤當(dāng)倉庫盤使用，具體怎么操作？

固態(tài)硬盤買來后，撞到主機(jī)內(nèi)固定好，插好連線。同時(shí)把機(jī)械硬盤電源線拔掉。然后在固態(tài)硬盤裝系統(tǒng)，系統(tǒng)都做好以后，不關(guān)機(jī)，直接插上原來硬盤的電源線，識(shí)別后把原有硬盤的C盤格式化。以后就可以正常使用了

有哪些常用的自然語言處理庫？

ActiveWizards發(fā)表在KDnuggets的這篇文章概述和比較了最流行、最有用的自然語言處理庫，包含 NLTK、spaCy、scikit-learn、gensim、Pattern、polyglot。

現(xiàn)在自然語言處理（NLP）變得越來越流行，這在深度學(xué)習(xí)發(fā)展的背景下尤其引人注目。NLP 是人工智能的一個(gè)分支，旨在從文本中理解和提取重要信息，進(jìn)而基于文本數(shù)據(jù)進(jìn)行訓(xùn)練。NLP 的主要任務(wù)包括語音識(shí)別和生成、文本分析、情感分析、機(jī)器翻譯等。

近幾十年，只有適當(dāng)受過語言學(xué)教育的專家才能從事自然語言處理方向的工作。除了數(shù)學(xué)和機(jī)器學(xué)習(xí)，他們還應(yīng)該熟悉一些重要的語言概念。但是現(xiàn)在，我們可以使用寫好的 NLP 庫。它們的主要目的是簡化文本預(yù)處理過程，這樣我們可以專注于構(gòu)建機(jī)器學(xué)習(xí)模型和超參數(shù)調(diào)整。

人們?cè)O(shè)計(jì)了很多工具和庫來解決 NLP 問題。今天，我們想基于自身經(jīng)驗(yàn)，概述和比較最流行、最有用的自然語言處理庫。本文介紹的所有庫只有部分任務(wù)會(huì)重合。因此，有時(shí)候很難直接將它們進(jìn)行對(duì)比。我們將介紹一些特征，然后對(duì)比這些庫。

概覽

NLTK（自然語言工具包）用于分詞、詞形還原、詞干提取、解析、句法分析、詞性標(biāo)注等任務(wù)。該庫具備可用于幾乎所有 NLP 任務(wù)的工具。
spaCy 是 NLTK 的主要競爭者。這兩個(gè)庫可用于同樣的任務(wù)。
scikit-learn 提供一個(gè)用于機(jī)器學(xué)習(xí)的大型庫，包含用于文本預(yù)處理的工具。
gensim 是用于話題空間建模、向量空間建模和文檔相似度的工具包。
Pattern 庫是作為 web 挖掘模塊提供服務(wù)的，因此，它也支持 NLP 任務(wù)。
polyglot 是另一個(gè)用于 NLP 的 Python 包。它不是很流行，但也可以用于大量 NLP 任務(wù)。

為了更清晰地對(duì)比這些庫，我們制作了下表來展示它們的優(yōu)缺點(diǎn)。

更新：2018 年 7 月

結(jié)論

本文對(duì)比了幾個(gè)流行的 NLP 庫的特征。盡管大部分庫適用的任務(wù)有重合，但一些庫需要用獨(dú)特的方法來解決特定的問題。確切來說，現(xiàn)在最流行的 NLP 包是 NLTK 和 spaCy。它們是 NLP 領(lǐng)域中的主要競爭者。我們認(rèn)為，二者之間的差別在于解決問題的一般哲學(xué)。

NLTK 更加學(xué)術(shù)。你可以用它嘗試不同的方法和算法，結(jié)合使用等等。spaCy 為每個(gè)問題提供一個(gè)開箱即用的解決方案。你不用思考哪種方法更好：spaCy 的作者已經(jīng)替你考慮了。此外，spaCy 速度很快（是 NLTK 的好幾倍）。它的一個(gè)缺陷在于支持的語言種類有限。但是，它所支持的語言數(shù)量在持續(xù)增加。因此，我們認(rèn)為 spaCy 在大部分情況下是最優(yōu)選，但是如果你想嘗試一些特別的任務(wù)，可以使用 NLTK。

盡管這兩個(gè)庫非常流行，但還存在很多不同的選擇，選擇使用哪個(gè) NLP 包取決于你要解決的問題。

主要有以下六種可以參考：

1、NLTK（自然語言工具包）用于分詞、詞形還原、詞干提取、解析、句法分析、詞性標(biāo)注等任務(wù)。該庫具備可用于幾乎所有 NLP 任務(wù)的工具。

2、spaCy 是 NLTK 的主要競爭者。這兩個(gè)庫可用于同樣的任務(wù)。

3、scikit-learn 提供一個(gè)用于機(jī)器學(xué)習(xí)的大型庫，包含用于文本預(yù)處理的工具。

4、gensim 是用于話題空間建模、向量空間建模和文檔相似度的工具包。

5、Pattern 庫是作為 web 挖掘模塊提供服務(wù)的，因此，它也支持 NLP 任務(wù)。

6、polyglot 是另一個(gè)用于 NLP 的 Python 包。它不是很流行，但也可以用于大量 NLP 任務(wù)。

NLTK：構(gòu)建Python程序以處理人類語言數(shù)據(jù)的領(lǐng)先平臺(tái)。

jieba：中文分詞工具。langid.py：獨(dú)立的語言識(shí)別系統(tǒng)。

Pattern：Python 網(wǎng)絡(luò)信息挖掘模塊。

SnowNLP：用來處理中文文本的庫。