小编ric*_*ich的帖子

如何正确解析 load_qa_chain 中的数据？

使用 QA 链检索答案很容易，但我们希望 LLM 返回两个答案，然后由输出解析器 PydanticOutputParser 进行解析。

链返回：

{'output_text': '\n1. Contract item of interest: Termination. \n2. Termination: Yes.}

但随后尝试使用解析器解析结果会给出 JSONDecodeError: Expecting value: line 1 column 1 (char 0) ：

parser.parse(result['output_text'])

我应该如何更改链才能正确解析输出？

这是下面的链：

from langchain.chains.question_answering import load_qa_chain

from langchain import PromptTemplate
from dotenv import load_dotenv


from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel, Field

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.llms import AzureOpenAI
from langchain.text_splitter import RecursiveCharacterTextSplitter
import os

from langchain.document_loaders.csv_loader import CSVLoader

load_dotenv()

def …

美好的一天，

我有一个数据框，我想为该列的每一行隔离一部分字符串。我遇到的问题是，每一行都需要具有不同长度的子字符串，特别是我只想一直将该字符串保留到第一次出现“。”。（一个周期）加上接下来的两个字母。

例：

import pandas as pd

x = [ [ 34, 'Sydney.Au123XX'] ,
             [30, 'Delhi.As1q' ] ,
             [16, 'New York.US3qqa']]
x = pd.DataFrame(x)
x.columns = ["a", "b"]

#now I want to substring each row based on where "." occurs.
#I have tried the following:
y = x["b"].str.slice( stop = x["b"].str.find(".") + 2)
y = x["b"].str[0: x["b"].str.find(".")+ 2]

#desired output
desired = [[ 34, 'Sydney.Au'] ,
             [30, 'Delhi.As' ] ,
             [16, 'New York.US'] ]
desired  = pd.DataFrame(desired ) …

我训练了一个普通的 vae，我从这个存储库修改了它。当我尝试使用经过训练的模型时，我无法使用 加载权重load_from_checkpoint。我的检查点对象和我的对象之间似乎不匹配lightningModule。

我VAEXperiment使用 . 设置了一个实验 ( ) pytorch-lightning LightningModule。我尝试使用以下方法将权重加载到网络中：

#building a new model
model = VanillaVAE(**config['model_params'])
model.build_layers()

#loading the weights
experiment = VAEXperiment(model, config['exp_params'])
experiment.load_from_checkpoint(path_to_checkpoint, config['exp_params'])

我也尝试过：

checkpoint = torch.load(path_to_checkpoint, map_location=lambda storage, loc: storage)
model.load_state_dict(checkpoint['state_dict'])

但我收到错误 Unexpected key(s) in state_dict: "model.encoder.0.0.weight", "model.encoder.0.0.bias"...

我还关注了https://github.com/PyTorchLightning/pytorch-lightning/issues/924 https://github.com/PyTorchLightning/pytorch-lightning/issues/2798上的问题

为什么我会收到此错误？是因为我的模型中的编码器和解码器模块吗？根据 git 上的问题日志，错误似乎已解决。我究竟做错了什么？

我正在尝试从简单的图像中提取文本。

当我使用默认引擎（oem 3）时，文本被提取（效果很差）。我想使用其他引擎（oem 2）看看输出是否可以提高。

import pytesseract

#this is the config that gives a poor output
config = '--tessdata-dir "C:/Program Files/Tesseract-OCR/tessdata" -l eng --oem 2 --psm 6'
text = pytesseract.image_to_string(crop, config=config)

当我尝试传递更改引擎的选项时，出现错误，提示找不到语言文件：

pytesseract.pytesseract.TesseractError：（1，“错误：已请求 Tesseract（旧版）引擎，但 C:/Program Files/Tesseract-OCR/tessdata/eng.traineddata 中不存在组件！！加载语言“eng”Tesseract 失败无法加载任何语言！无法初始化 tesseract。”）

#experimental config
config = '--psm 6'
text = pytesseract.image_to_string(crop, config=config)

如您所见，我显式传入 eng.traineddata 目录，但它找不到语言文件。

我有两个问题：

1. 如何使用第一个配置文件提高 OCR 质量？
2. 为什么找不到语言文件？我在提到的文件夹中有 eng.traineddata、eng.user-patterns 和 eng.user-words，以及安装在那里的一些其他文件和文件夹。

我还确保我的环境变量是正确的（因此第一个配置文件可以工作）。

谢谢