目的
为了将非结构化的简历文本提取出有效的工作经历信息，尝试使用各类NLP框架进行文本实体识别，目标是分解出时间，工作地点，任职单位，职务等有效信息。
在尝试了一些分词和NLP框架后，选用hanLP作为训练工具，在自己制作的数据集（人物简历信息）上训练自定义的NER标签（职务），实现特定标签的文本实体识别。
为了将非结构化的简历文本提取出有效的工作经历信息，尝试使用各类NLP框架进行文本实体识别，目标是分解出时间，工作地点，任职单位，职务等有效信息。
在尝试了一些分词和NLP框架后，选用hanLP作为训练工具，在自己制作的数据集（人物简历信息）上训练自定义的NER标签（职务），实现特定标签的文本实体识别。
随着tf2的发布，object detection API也已经迁移到了tf2上，有朋友正好要开始学习应用目标检测，问我有没有tf2的教程，于是决定决定把原来tf1.15上的使用自定义数据集在本地显卡上测试的代码迁移到tf2上，并且使用Colaboratory来运行，免去了本地环境的搭建。