小编Piy*_*ija的帖子

我正在尝试从 Aadhar 卡（印度）的图像中提取完整的 Aadhar 号码（12 位数字）

我可以通过二维码识别该区域。为了提取信息 - 我一直在研究读取和解码印度 Aadhaar 卡上的安全 QR 码的 Python 库。这两个库对于这个用例似乎特别有用：

1. 皮亚德哈尔
2. 阿德哈尔-py

我无法在 Aadhaar 卡上使用它们来解码安全 QR 码。有关安全 QR 码的信息可在此处获取。 请推荐可能的解决方案或其他一些方法来完成此任务

这是我使用这些库解码安全 QR 码的代码。 Python版本：3.8

from pyaadhaar.utils import Qr_img_to_text, isSecureQr
from pyaadhaar.deocde import AadhaarSecureQr
from pyaadhaar.deocde import AadhaarOldQr

qrData = Qr_img_to_text(sys.argv[1])
print(qrData)

if len(qrData) == 0:
    print(" No QR Code Detected !!")
else:
    isSecureQR = (isSecureQr(qrData[0]))
    if isSecureQR:
        print("Secure QR code")
        try:
            obj  = AadhaarSecureQr(qrData[0])
        except:
            print("Try aadhaar-py library")
            from aadhaar.qr import AadhaarSecureQR
            integer_scanned_from_qr = …

我试图了解 rasa nlu(ver-0.12.3) 输出的置信度分数实际上是什么以及它们是如何计算的。

我一直致力于使用张量流嵌入进行意图分类任务。一旦我的模型经过训练并解析新/测试数据，我就会收到一个置信度分数以及每个可能的意图。但我几乎不知道这个置信度分数实际上代表什么。

正如文档中提到的，它并不代表概率。经过对结果的一些观察，这似乎是一对多类型的评估，即对于单个文本输入，我可以获得具有高置信度分数的多个意图。

快速查看代码后，我认为它是在 \xe2\x80\x9cembedding_intent_classifier.py\xe2\x80\x9d 文件中的 \xe2\x80\x9c_tf_sim\xe2\x80\x9d 函数中计算的（相关代码段如下）

有人可以确认/澄清它是如何工作的或者置信度分数在这里到底意味着什么吗？

    def _tf_sim(self, a, b):\n    """Define similarity"""\n\n    if self.similarity_type == \'cosine\':\n        a = tf.nn.l2_normalize(a, -1)\n        b = tf.nn.l2_normalize(b, -1)\n\n    if self.similarity_type == \'cosine\' or self.similarity_type == \'inner\':\n        sim = tf.reduce_sum(tf.expand_dims(a, 1) * b, -1)\n\n        # similarity between intent embeddings\n        sim_emb = tf.reduce_sum(b[:, 0:1, :] * b[:, 1:, :], -1)\n\n        return sim, sim_emb\n    else:\n        raise ValueError("Wrong similarity type {}, "\n                         "should be \'cosine\' …