[AI行业案例]-文字识别在手，老师轻松无忧
使用产品 通用文字识别 手写识别 数字识别 支持与交流 AI社区 教学视频 文档中心 SDK下载 文字识别在手，老师轻松无忧 价值成果 数字教材应用云软件使用百度手写识别和数字识别技术，实现对测评数据信息的快速采集。智能识别学生考号、姓名信息从而判断学生身份，同时识别客观题答案，全方位解决教师手动阅卷易出错、耗时多的难题。与教师传统批阅试卷方式对比，批阅试卷的时间缩短约40%，大大节省人力成本。
AR语音交互 - AR开放平台 | 百度智能云文档
文件中引入 speech.lua 文件 lua 中AR语音交互代码，如下： app.on_loading_finish = function() -- 此处是否展示语音按钮或是否需要直接开启语音, 可以根据项目创意需求灵活选择 -- 展示语音按钮 -- Speech.show_mic_icon() -- 开启语音 Speech.start_listen() end lua中callBack代码如下
[AI行业案例]-以图搜药，打造智慧健康服务平台
2、无需手动输入复杂、生僻的药品名称，有效解决输入难、易出错的问题，显著提升药品搜索效率和购药体验。 案例故事 核心诉求 药品名称属于专业度极高的专有名词，用户在搜索药品过程中经常会遇到生僻字不会输入、药品名称过长不易输入等问题， 输入不准确、搜索效率低。急需引入更方便、智能的药品搜索方案，提升用户搜索效率和购药体验。
EXPORT - Baidu Palo/Doris 使用文档
一个 Export 作业建议的导出数据量最大在几十 GB。过大的导出会导致更多的垃圾文件和更高的重试成本。如果表数据量过大，建议按照分区导出。 如果 Export 作业运行失败，在远端存储中产生的 __doris_export_tmp_xxx 临时目录，以及已经生成的文件不会被删除，需要用户手动删除。
使用训练作业训练模型 - BML 全功能AI开发平台 | 百度智能云文档
为避免出错，建议您选择空文件夹作为输出路径。日志文件需要打印到标准输出，才能保证系统中『日志』功能能够正常读取。 可选高级配置。提交训练作业时，可以通过高级配置来自定义环境变量。 手动配置：通过手动填写环境变量来配置，包括配置变量名称与对应取值。 YAML文件：通过上传YAML文件来配置环境变量，支持本地上传和BOS存储导入两种方式。
[AI行业案例]-iOCR让通用机打发票个性化信息提取“so easy！”
价值成果 通过整合百度文字识别技术，成功搭建机打发票原件电子化处理平台，实现每月数万张机打发票全自动处理，具体成果如下： 1、调用iOCR接口、个性化定制发票模板，自动化提取机打发票数据详情、自动匹配业务数据、自动核销账目。替代人工录入和比对环节，有效解决录入效率低，易出错等问题； 2、项目上线后，处理一张发票的时间由1分钟，缩短到3秒以内，效率提升20倍以上，同时大大降低了人力成本。
Filebeat接入Kafka专享版 - 消息服务 for Kafka | 百度智能云文档
Filebeat监视您指定的日志文件或位置，收集日志事件，并将它们转发到Elasticsearch或 Logstash进行索引。 Filebeat的工作方式如下：启动Filebeat时，它将启动一个或多个输入，这些输入将在为日志数据指定的位置中查找。对于Filebeat所找到的每个日志，Filebeat都会启动收集器。
网站故障类问题 - 云虚拟主机BCH | 百度智能云文档
用户也可以通过关闭 PHP缓存加速 或执行重载操作或执行opclean.php文件，使配置立即生效。opclean.php文件存放于ftp路径下的webroot文件夹中；关于重载操作的执行方法，请参看 站点启停 。 BCH开启https后，站点访问提示不安全 配置SSL证书后访问网站显示不安全，一般由以下几点原因导致： 访问的是http的连接，导致显示不安全，需要访问https连接。
使用千帆使用中可能出现的问题记录 千帆社区
登录/注册 个人中心 消息中心 退出登录 1 1 使用千帆使用中可能出现的问题记录 大模型开发 / 技术交流 社区上线 开箱评测 2023.10.08 1401 看过 百度千帆对接中容易出错的地方，Node.js代码的细节是至关重要的。以下是一些可能引发问题的示例代码，以及相应的解决方案。 前言 随着大型模型在自然语言处理和人工智能领域的广泛应用，我们也必须正视一些潜在问题。
使用千帆使用中可能出现的问题记录 千帆社区
登录/注册 个人中心 消息中心 退出登录 1 1 使用千帆使用中可能出现的问题记录 大模型开发 / 技术交流 社区上线 开箱评测 2023.10.08 1402 看过 百度千帆对接中容易出错的地方，Node.js代码的细节是至关重要的。以下是一些可能引发问题的示例代码，以及相应的解决方案。 前言 随着大型模型在自然语言处理和人工智能领域的广泛应用，我们也必须正视一些潜在问题。
