认领后解锁：五维评分 · 雷达图 · CGI 排名 · 机会偏好
pure glay 在序列标注和中文文本处理领域留下了清晰的印记。
其代表作 bi-lstm-crf 以简洁高效的 Keras 实现，为中文分词与词性标注提供了一个经典的基线方案，收获了数百星的认可。
从 Bi-LSTM-CRF 到基于 Transformer 的分词器，他持续深耕于 NLP 的核心任务——序列建模，工程实现直接、实用。
尽管近期公开活动趋缓，但其开源项目在细分领域仍被持续使用和参考，展现了扎实的模型构建与工程化能力。
正在读取 GitHub MBTI
如果这个开发者测过，会显示在这里。
使用keras实现的基于Bi-LSTM + CRF的中文分词+词性标注
Chinese text detection and recognition based on CTPN + DENSENET using Keras and Tensor Flow，使用keras和tensorflow基于CTPN+Densenet实现的中文文本检测和识别
Sequence labeling base on universal transformer (Transformer encoder) and CRF; 基于Universal Transformer + CRF 的中文分词和词性标注
An unofficial toy implementation for NVAE 《A Deep Hierarchical Variational Autoencoder》
An unofficial pytorch implementation of 《Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains》
Fast MOT base on yolo+deepsort, support yolo3 and yolo4
输入 GitHub 用户名，看看你的开源贡献会被如何理解。
按公开技术标签与主方向对照市场样本，计算相关度（不依赖求职偏好）。