在之前的流程中，我们已经将训练和测试图片，OCR识别生成的csv文件，打上了类别标签。现在我们需要通过训练集的文件，生成词表和标签表的缓存文件，从而实现文字和标签的数字化。

代码示例

1、添加配置项 

内容不可见，请联系管理员开通权限。

2、创建文件 

内容不可见，请联系管理员开通权限。

3、文本替换函数

文本替换是最简单，也是最有效的文本信息增强手段。比如身份证号码都是数字，但每个人的身份证号码都不相同。直接进行编码，这个特征差异就会很大，但如果我们把所有的数字都用0代替，这个特征就会基本相同，可以大大提高模型准确率。 

内容不可见，请联系管理员开通权限。

4、生成词表 

内容不可见，请联系管理员开通权限。

5、生成标签表 

内容不可见，请联系管理员开通权限。

6、调用并生成文件 

内容不可见，请联系管理员开通权限。

本文链接：http://www.ichenhua.cn/edu/note/468

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！