@prasanta 用视觉的方式直接进行提取固然是最端到端的解决方案，但是实现层面上确实有些难的。 其实我的思路是用页面的 xpath 信息作为页面文本的额外特征，这样也能实现类似于人眼对于页面结构的识别。 目测效果还可以，但是还没设计严谨的实验来验证效果提升

算法工程师？其实没有特别理解为何要视觉分类这一步，感觉会严重拖慢整体流程。 理论上用 html tag + word bag 或者 Tf-IDF 就已经能很好的分类了啊。

我最近做过一个类似的，不过是从任意网页里提取结构化信息的，是公司的项目

模型侧的优化点就是用更轻量的 yolo 模型，比如基于 MobileNet 的 Yolo 或者各种蒸馏过的 Lite Nano 版本，基本要比原版快一个数量级，对于你这个简单场景应该不太有性能损失；

如果是用另一台机器进行识别，我觉得 macmini 完全够用了，最好用现成的推理框架而不是简单的 py 包调用。推理框架可以本地编译一下，性能又能有非常大的提升；

我也喜欢看，毕竟每个人潜意识里都更容易相信阴谋论； 虽然至少稍微查证就可以知道，很多内容是经不住推敲的，但是也不失为另一种看世界的方法。

@BMAO 我也会看 自说自话的总裁

有趣的问题，仔细回顾下，确实音频音质提升的算法和工具似乎不如图片与视频的多。

虽然不是音频方向的，但是从直觉上觉得提升音质与提升画面分辨率算法并不会有本质上的区别，只需要很有限的改动就能把图像超分辨率应用到音频上。

我觉得可能还是音频的超分辨率效果不如图像这么直观，所以这个方向的关注度不如图像的那么高。

如果只是做鉴黄，感觉不是特别复杂的需求，应该不少开源方案可以达到你的最低要求。当然要做到让甲方满意就是另外一回事了

我的理解:
多元微积分课程中是已经有了一个 已知函数 f(x*) 来求极值， 当然这个问题很复杂，不过这个问题并不是机器学习所解决的问题。

机器学习的目的是，我并不知道 f(x*)长什么样，更不要说有多少极值点和鞍点了；而是通过 x-> f(x*) -> y 的先验知识去模拟出一个 x->^f(x*)->^y 尽可能的与原函数相似。 所以损失函数衡量的也是 y 与 ^y 的差距，并不是直接去衡量 f(x*)的极值点

这不就是行循环一下 把每列的内容放到格式化的字符串里就行了吗

应该就是对你无感，不要抱太大期望。 我就是比较不喜欢相亲的那种，因为命中率太低了 每次都是为了完成任务应付一下。

聊两句如果兴趣、爱好 观点不在一个频道就进入被动模式等着断联； 不要在一次相亲中投入太多情绪，这应该是一个高频低期望的场景