我用keras (用于情感语音识别的LSTM分类器)与python一起构建了一个深度学习模型,它在本地工作得很好,但是当我加载模型或传递音频分类时,我得到了很高的内存使用量(到目前为止没有问题,因为我的机器中有16 in )。我试图在一个烧瓶web应用程序中将我的模型部署到Azure中,我的问题是:我需要一个云中的“超级机器”来运行我的模型,或者还有其他方法来部署它,以降低成本?
首先:我打算编写一个c#应用程序,使用户能够立即将JRPG和可视化小说中的文本框从日语翻译成英语或任何其他语言。后面的代码将包括检测文本框的方法,主要灵感来自于汽车牌照识别,但那是很久以后的事了。到目前为止,我还处于初级阶段,我正在使用IronOCR进行光学字符识别,并通过网址将日语字符串发送到谷歌翻译。但由于显而易见的原因,这导致了一项临时禁令。我想阻止这一禁令,或者在我的用例中找到一种更安全的方式来使用谷歌翻译。到目前为止,相关代码如下:
using System;
using System.Collections.Generic;
using System.Linq;
using Sys
下面是我的代码:
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'F:\Installations\tesseract'
print(pytesseract.image_to_string('images/meme1.png', lang='eng'))
下面是图片:
输出结果如下:
GP.
ed <a
= va
ay Roce Thee .
‘ , Pe ship
RCAC Tm alesy-3
Pein Reg a
years —
? >