- 综合排序
- 最热优先
- 最新优先
- 来自专栏SnailTyan
CRNN论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 2. Figure 2. The receptive field. 对于测试，我们创建了三个数据集：1）“纯净的”，其中包含从[2]收集的260张图像。实例如图5.a所示；2）“合成的”，使用“纯净的”创建的，使用了上述的增强策略。 与表1中指定的配置不同，我们移除了第4和第6卷积层，将2层双向LSTM替换为2层单向LSTM。网络对图像对和对应的标签序列进行训练。
2.5K00发布于 2017-12-28 - 来自专栏怪兽怪秀
机械图纸常用术语英语对照翻译
对照翻译 ###英文图纸标题栏的一些资料 英文工程图纸的右下边是标题栏（相当于我们的标题栏和部分技术要求），其中有图纸名称（TILE）设计者（DRAWN）审查者（CHECKED）材料（MATERIAL ）日期（DATE）比例（SCALE）热处理（HEAT TREATMENT）和其它一些要求，如： 1)TOLERANCES UNLESS OTHERWISE SPECIFIAL 未注公差 2)DIMS IN 1° 角度公差±1° 4)DIMS TOLERANCE±0.1 未注尺寸公差±0.1 5)SURFACE FINISH 3.2 UNLESS STATED 未注粗糙度3.2 ###机械图纸常用术语英语对照翻译 REF 尺寸为40,参考值 2.5" BSP 2.5” 圆锥管螺纹 2.5" BSPT HEXAGON 2.5” 六角圆锥管螺纹(即对丝) 30x2.5 FLAT BAR 30X2.5 扁钢 TYP 2 POSNS 2处 11 TOTAL COILS APROX.9 WORKING COILS APROX.RIGHT HAND WOUND ONLY,END COILS SQUARE TO TOUCH 总圈数约
5.2K20编辑于 2022-09-20 - 来自专栏SnailTyan
Batch Normalization论文翻译——中英文对照
ℓ=F2(x,Θ2). 考虑网络计算 ℓ=F2(F1(u,Θ1),Θ2) \ell = F_2(F_1(u, \Theta_1), \Theta_2) F1F_1和F2F_2是任意变换，学习参数Θ1，Θ2\Theta_1，\ 学习Θ2\Theta_2可以看作输入x=F1(u,Θ1)x=F_1(u,\Theta_1)送入到子网络 ℓ=F2(x,Θ2)。 \ell = F_2(x, \Theta_2)。 For example, a gradient descent step Θ2←Θ2−αm∑i=1m∂F2(xi,Θ2)∂Θ2 \Theta_2\leftarrow \Theta_2 - \frac 例如，梯度下降步骤 Θ2←Θ2−αm∑i=1m∂F2(xi,Θ2)∂Θ2 \Theta_2\leftarrow \Theta_2 - \frac {\alpha} {m} \sum_{i=1}^m \
1.4K10发布于 2017-12-28 - 来自专栏SnailTyan
Deformable Convolutional Networks论文翻译——中英文对照
The channel dimension 2N2N corresponds to NN 2D offsets. 通道维度2N2N（注释：偏移的通道维度，包括xx方向的通道维度和yy方向的通道维度）对应于NN个2D偏移量。在训练过程中，同时学习用于生成输出特征的卷积核和偏移量。 图2：3×3可变形卷积的说明。 2.2. Small: area < 96296^2 pixels; medium: 96296^2 < area < 2242224^2; large: area > 2242224^2 pixels. 小：面积<96296^2个像素；中等：96296^2<面积<2242224^2； 大：面积>2242224^2。
1.6K00发布于 2017-12-28 - 来自专栏SnailTyan
Squeeze-and-Excitation Networks论文翻译——中英文对照
mathbf{W}_2. Figure 2. More precisely, the number of additional parameters introduced is given by: 2r∑s=1SNs⋅Cs2 \frac{2}{ 更确切地说，引入的附加参数的数量由下式给出： 2r∑s=1SNs⋅Cs2 \frac{2}{r} \sum_{s=1}^S N_s \cdot {C_s}^2其中rr表示减少比率（我们在所有的实验中将 SE_2_3.
1.6K00发布于 2017-12-28 - 来自专栏SnailTyan
Single Shot MultiBox Detector论文翻译——中英文对照
2. These are indicated on top of the SSD network architecture in Fig. 2. 这些在图2中的SSD网络架构的上部指出。 …,cp)(c_1, c_2, \dots, c_p)). 对于每个默认边界框，我们预测所有目标类别（(c1,c2,…,cp)(c_1, c_2, \dots, c_p)）的形状偏移量和置信度。在训练时，我们首先将这些默认边界框与实际的边界框进行匹配。
1.4K00发布于 2017-12-28 - 来自专栏SnailTyan
Going Deeper with Convolutions——GoogLeNet论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 2. 除了模仿生物系统之外，由于Arora等人[2]的开创性工作，这也具有更坚固的理论基础优势。 最终的结果如图2(b)所示。 表2显示了过去三年中一些表现最好的方法的统计。
1.4K00发布于 2017-12-28 - 来自专栏SnailTyan
Inception-V3论文翻译——中英文对照
我们仍然可以问这个问题，是否应该把它们分解成更小的，例如2×2的卷积。然而，通过使用非对称卷积，可以做出甚至比2×2更好的效果，即n×1。 ^2k^2 operations. 例如，开始有一个带有kk个滤波器的d×dd \times d网格，如果我们想要达到一个带有2k2k个滤波器的d2×d2\frac{d}{2}\times \frac{d}{2}网格，我们首先需要用2k2k 这意味着总体计算成本由在较大的网格上使用2d2k22d^2k^2次运算的昂贵卷积支配。 一种可能性是转换为带有卷积的池化，因此导致2(d2)2k22(\frac{d}{2})^2k^2次运算，将计算成本降低为原来的四分之一。
2K00发布于 2017-12-28 - 来自专栏SnailTyan
U-Net - Convolutional Networks 论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation U-Net: Convolutional Networks for Omega \subset \mathbb {Z}^2Ω⊂Z2。 2}ω(x)=ωc(x)+ω0∙exp(−2σ2(d1(x)+d2(x))2)(2) where ωc:Ω→R\omega_c:\Omega \to \mathbb{R}ωc:Ω→R is bullet exp(-\frac {(d_1(\mathbf{x}) + d_2(\mathbf{x}))^2} {2\sigma^2}) \tag{2}ω(x)=ωc(x)+ω0∙exp(−2σ2
5.6K51发布于 2020-04-24 - 来自专栏SnailTyan
YOLO，You Only Look Once论文翻译——中英文对照
2. For evaluating YOLO on Pascal VOC, we use S=7S=7, B=2B=2. 为了在Pascal VOC上评估YOLO，我们使用S=7S=7，B=2B=2。Pascal VOC有20个标注类，所以C=20C=20。 我们的网络有24个卷积层，后面是2个全连接层。 我们的检测网络有24个卷积层，其次是2个全连接层。交替1×11 \times 1卷积层减少了前面层的特征空间。
2K00发布于 2017-12-28 - 来自专栏Puppeteer学习
MongoDB学习（翻译2）
query = collection.AsQueryable<Employee>() .Where(e => e.FirstName == "John"); C#编译器会在内部把所有查询翻译为
4.1K10编辑于 2022-05-09 - 来自专栏SnailTyan
ImageNet Classification with Deep Convolutional Neural Networks——AlexNet论文翻译——中英文对照
z=2s = 2, z = 2, which produces output of equivalent dimensions. 这个方案分别降低了top-1 0.4%，top-5 0.3%的错误率，与非重叠方案s=2，z=2s = 2，z = 2相比，输出的维度是相等的。 第2，4，5卷积层的核只与位于同一GPU上的前一层的核映射相连接（看图2）。第3卷积层的核与第2层的所有核映射相连。全连接层的神经元与前一层的所有神经元相连。第1，2卷积层之后是响应归一化层。 p3][α1λ1,α2λ2,α3λ3]T [p_1, p_2, p_3][\alpha_1\lambda_1, \alpha_2\lambda_2, \alpha_3\lambda_3]^T where ,α2λ2,α3λ3]T [p_1, p_2, p_3][\alpha_1\lambda_1, \alpha_2\lambda_2, \alpha_3\lambda_3]^T pip_i，λi\lambda_i
1.4K91发布于 2017-12-29 - 来自专栏Pulsar-V
C#2C++数据类型对照
API数据类型对应关系表 API数据类型 类型描述 C#类型 API数据类型 类型描述 C#类型 WORD 16位无符号整数 ushort CHAR 字符 char LONG 32位无符号整数 int DWORDLONG 64位长整数 long DWORD 32位无符号整数 uint HDC 设备描述表句柄 int HANDLE 句柄,32位整数 int HGDIOBJ GDI对象句柄 int UINT 32位无符号整数 uint HINSTANCE 实例句柄 int BOOL 32位布尔型整数 bool
1.1K20发布于 2019-03-12 - 来自专栏SnailTyan
ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks论文翻译——中英文对照
文章作者：Tyan 声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation ESRGAN: Enhanced Super-Resolution The learning rate is initialized as 2×10−42 × 10^{−4}2×10−4 and decayed by a factor of 2 every 2×1052 eta = 1×10^{−2}η=1×10−2. 学习率初始化为2×10−42 × 10^{−4}2×10−4，每2×1052 × 10^52×105个小批次更新的衰减因子为2。然后，我们采用训练的面向PSNR的模型作为生成器的初始化。
1.5K40发布于 2020-05-27 - 来自专栏勇哥编程游记
推荐一个双语对照的 PDF 翻译工具的开源项目：PDFMathTranslate
今天给大家推荐一个双语对照的 PDF 翻译工具的开源项目：PDFMathTranslate 。 预览效果：快速开始1、确保服务器安装的 Python 版本大于 3.8 且小于 3.12 ;2、安装此程序 ;pip install pdf2zh3、打开 GUI 界面 , 访问：http://localhost :7860/pdf2zh -i4、上传文件并翻译如上图，我们上传一个英文版 PDF ，上传完成后，在预览区域会显示 PDF 的内容。 当然，我们也可以使用 命令行直接翻译： pdf2zh raft.pdf基本原理核心流程：1、上传文件后，通过 AI 模型 DocLayout-YOLO-DocStructBench-onnx 解析文档格式 ；2、调用翻译服务 Google 、智普、Bing、DeepL、OpenAI 等开放平台的服务 ；3、将数据流整合在一起并输出到目标 PDF 。
1.1K10编辑于 2025-01-04 - 来自专栏史上最简单的Spring Cloud教程
Docker官方文档翻译2
article/details/80158062 本文出自方志朋的博客 个人博客纯净版：https://www.fangzhipeng.com/docker/2018/09/11/dokcer-trans2. 应用程序部分 创建2个文件，requirements.txt和app.py，并且将它们放到和Dockerfile放进同一个文件夹中。这就完成了我们的应用，你可以发现用创建应用很简单。 import os import socket # Connect to Redis redis = Redis(host="redis", db=0, socket_connect_timeout=2, 为该上下文提供存储库并标记有意义的名称，例如get-started：part2。 这将图像放入启动存储库并将其标记为part2。 现在，把它放在一起来标记图像。 $ docker run -p 4000:80 john/get-started:part2 Unable to find image 'john/get-started:part2' locally
52220编辑于 2022-05-07 - 来自专栏程序员吾真本
第2版目录（中英文对照）
Acknowledgments 第2版赞誉 Preface 前言 Who Should Read This Book 读者对象 How This Book Is Organized 内容结构 About
1.4K20发布于 2018-10-18 - 来自专栏流式抗体推文
实验对照金标准：Elabscience APC 标记大鼠 IgG2a 同型对照抗体 赋能流式研究
产品介绍核心参数基础属性：该产品为单克隆抗体，克隆号 2A3，亚型明确为 Rat IgG2a, κ，宿主来源为大鼠，以液体形态供应，无需额外复溶，使用便捷。 Elabscience 这款 APC Rat IgG2a, κ 同型对照抗体 [2A3]，正是针对大鼠 IgG2a, κ 亚型抗体的实验需求定制，为流式实验的准确性筑牢基础。 基础免疫实验：适配各类大鼠来源样本的 IgG2a 亚型抗体相关流式检测，为实验结果提供标准化对照。 产品优势高特异性与均一性：作为单克隆抗体，克隆号稳定为 2A3，批次间差异小，非特异性结合率低，保障对照信号的一致性与可靠性。 搭配 Elabscience 的专业品牌背书与完善技术支持，无疑是大鼠 IgG2a 亚型抗体相关流式实验的优选对照方案，助力科研人员获得更可信、更具价值的研究数据。
23610编辑于 2025-09-22 - 来自专栏勇哥编程游记
推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate
今天给大家推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate 。 预览效果： 快速开始 1、确保服务器安装的 Python 版本大于 3.8 且小于 3.12 ; 2、安装此程序 ; pip install pdf2zh 3、打开 GUI 界面 , 访问：http: //localhost:7860/ pdf2zh -i 4、上传文件并翻译 如上图，我们上传一个英文版 PDF ，上传完成后，在预览区域会显示 PDF 的内容。 接下来，选择翻译服务 Google、Bing、zhipu、Tentcent 等和翻译方向（英文转中文）， 最后点击翻译按钮即可。 当然，我们也可以使用 命令行直接翻译： pdf2zh raft.pdf 基本原理 核心流程： 1、上传文件后，通过 AI 模型 DocLayout-YOLO-DocStructBench-onnx 解析文档格式
66710编辑于 2025-01-08 - 来自专栏SnailTyan
Effective Java 2.0_中英文对照_Item 2
文章作者：Tyan 博客：noahsnail.com Item 2: Consider a builder when faced with many constructor parameters** Item 2：当面临很多构造函数参数时，要考虑使用构建器** Static factories and constructors share a limitation: they do not scale
49120编辑于 2022-05-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号