搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

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！（4）它产生了一个有效而小得多的模型，这对于现实世界的应用场景更为实用。为了比较，我们评估了两种商用OMR引擎，即Capella Scan[3]和PhotoScore[4]。 Tab. 4 summarizes the results. Table 4. 4.
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 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 ALL WELDS outside dimension 1/4"的缩写外径直1/4’------->应该为：外径值1/4" 75 CRS 尺75 材质为冷轧钢板 ------->应该为：尺寸75 材质为冷轧钢板 REMOVE outside dimension 1/4"的缩写外径直1/4" 75 CRS 尺寸为75 材质为冷轧钢板 410 OPENING REF 410 开口参考尺寸 40 REF 尺寸为40,参考值 2.5 20 UNC-3 THD7"/8 DEEP 4HOLES NOT BREAK THRO 钻1"孔，攻1"/4美国粗牙螺纹，每英寸20牙，攻深7"/8,4孔不准钻通（UNC=UCIFIED COARSE
5.2K20编辑于 2022-09-20
来自专栏SnailTyan
Batch Normalization论文翻译——中英文对照
4. Experiments 4.1. We demonstrate in Fig. 4 that batch normalization allows us to set new state-of-the-art on the ImageNet Figure 4. 我们在图4中证实了批标准化使我们能够在ImageNet分类挑战基准上设置新的最佳结果。 ? 图4。批标准化Inception与以前的最佳结果在提供的包含5万张图像的验证集上的比较。 Neural Netw., 13(4-5): 411–430, May 2000. Jiang, Jing.
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
图4：阐述3×3的可变形PS RoI池化。在我们的实现中，RPN分支被添加在conv4块的顶部，遵循[47]。在以前的实践中[22,24]，在ResNet-101的conv4和conv5块之间插入了RoI池化层，每个RoI留下了10层。 4. Experiments 4.1. 我们进一步尝试了扩张值4，6和8，并在表3中报告了结果。 :1602.07261, 2016. 4, 10 [52] C.
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
(Right) SE-ResNeXt-50 with a 32×4d32\times 4d template. (左)ResNet-50，(中)SE-ResNet-50，(右)具有32×4d32\times 4d模板的SE-ResNeXt-50。 \times 4d) is given in Table 1). 我们构造了这些网络的SENet等价物，SE-Inception-ResNet-v2和SE-ResNeXt（表1给出了SE-ResNeXt-50（32×4d32\times 4d）的配置）。 SE_4_6 and SE_5_1.
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
This results in a total of (c+4)k(c+4)k filters that are applied around each location in the feature map, yielding (c+4)kmn(c+4)kmn outputs for a m×nm\times n feature map. at each location in several feature maps with different scales (e.g. 8 × 8 and 4 × 4 in (b) and (c)) 这导致在特征映射中的每个位置周围应用总共(c+4)k(c+4)k个滤波器，对于m×nm\times n的特征映射取得(c+4)kmn(c+4)kmn个输出。有关默认边界框的说明，请参见图1。以卷积方式，我们评估具有不同尺度（例如（b）和（c）中的8×8和4×4）的几个特征映射中每个位置处不同长宽比的默认框的小集合（例如4个）。
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！ 4. 4×512 output for the (4a), and 4×4×528 for the (4d) stage. 包括辅助分类器在内的附加网络的具体结构如下：一个滤波器大小5×5，步长为3的平均池化层，导致(4a)阶段的输出为4×4×512，(4d)的输出为4×4×528。 , \frac {4} {3}].
1.4K00发布于 2017-12-28
来自专栏SnailTyan
Inception-V3论文翻译——中英文对照
通过在输入激活网格上滑动这个小网络，用两层3×3卷积来替换5×5卷积（比较图4和5）。 ? 图1。Mini网络替换5×5卷积 ? 图4。[20]中描述的最初的Inception模块. ? 图5。（滤波器尺寸可以通过原则3选择） 4. 选择各种滤波器组大小来观察第2节的原理4。 ? 图7。具有扩展的滤波器组输出的Inception模块。 Table 4. 遗憾的是，He等人[6]仅报告了10个裁剪图像的评估结果，但没有单张裁剪图像的结果，报告在下面的表4中。 ? 表4。单模型，多裁剪图像的实验结果，比较各种影响因素的累积影响。
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 许多最近的方法[11，4]提出了一种分类器输出，其考虑了来自多个层的特征。同时具有良好的定位和上下文的使用是可能的。 Fig. 4. Result on the ISBI cell tracking challenge. 第二个数据集“DIC-HeLa”是通过微分干涉相差(DIC)显微镜记录的平板玻璃上的HeLa细胞（请参见图3，图4c，d和补充材料）。它包含20个部分标注的训练图像。
5.6K51发布于 2020-04-24
来自专栏Puppeteer学习
MongoDB学习（翻译4）
BsonType.Int64).Inject()); 可转化为下面mongodb查询语句： { X : { $gt : 0, $type : 18 } } is C#关键字和GetType方法一样，此处不在翻译
1.1K20编辑于 2022-05-09
来自专栏SnailTyan
YOLO，You Only Look Once论文翻译——中英文对照
You Only Look Once: Unified, Real-Time Object Detection Abstract We present YOLO, a new approach to
2K00发布于 2017-12-28
来自专栏史上最简单的Spring Cloud教程
docker官方文档翻译4
article/details/80186178 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/docker-trans4. 在第4部分中，将此应用程序部署到群集上，并在多台机器上运行它。通过将多台机器连接到称为swarm的“Dockerized”群集，使多容器，多机器应用成为可能。 vbb1qbkb0o2z getstartedlab_web.3 john/get-started:part2 myvm2 Running ghii74p9budx getstartedlab_web.4 总结在第4部分中，你了解了群体是什么，群体中的节点如何成为manager或workwer，创建群体并在其上部署应用程序。
97630编辑于 2022-05-07
来自专栏SnailTyan
ImageNet Classification with Deep Convolutional Neural Networks——AlexNet论文翻译——中英文对照
然而，第4层的核只将位于相同GPU上的第3层的核映射作为输入。连接模式的选择是一个交叉验证问题，但这可以让我们准确地调整通信数量，直到它的计算量在可接受的范围内。第1卷积层使用96个核对224 × 224 × 3的输入图像进行滤波，核大小为11 × 11 × 3，步长是4个像素（核映射中相邻神经元感受野中心之间的距离）。第3，4，5卷积层互相连接，中间没有接入池化层或归一化层。第3卷积层有384个核，核大小为3 × 3 × 256，与第2卷积层的输出（归一化的，池化的）相连。第4卷积层有384个核，核大小为3 × 3 × 192，第5卷积层有256个核，核大小为3 × 3 × 192。每个全连接层有4096个神经元。我们在第2，4，5卷积层和全连接隐层将神经元偏置初始化为常量1。这个初始化通过为ReLU提供正输入加速了学习的早期阶段。我们在剩下的层将神经元偏置初始化为0。
1.4K91发布于 2017-12-29
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 训练细节和提出网络的有效性将在第4节中介绍。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。学习率设置为1×10−41×10^{−4}1×10−4，在[50k, 100k, 200k, 300k]次迭代之后减半。使用逐像素损失进行预训练有助于基于GAN的方法获得视觉上更好的结果。
1.5K40发布于 2020-05-27
来自专栏SnailTyan
Effective Java 2.0_中英文对照_Item 4
文章作者：Tyan 博客：noahsnail.com | CSDN | 简书 Item 4: Enforce noninstantiability with a private constructor
46320编辑于 2022-05-09
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 。 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。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。；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 。项目地址： https://github.com/Byaidu/PDFMathTranslate 项目介绍：基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama 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。
66710编辑于 2025-01-08
来自专栏全栈程序员必看
Keycode对照表（键码对照表）
按键键码按键键码按键键码按键键码 A 65 J 74 S 83 1 49 B 66 K 75 T 84 2 50 C 67 L 76 U 85 3 51 D 68 M 77 V 86 4 56 I 73 R 82 0 48 9 57 数字键盘上的键的键码值(keyCode) 按键键码按键键码 0 96 8 104 1 97 9 105 2 98 * 106 3 99 + 107 4 109 6 102 . 110 7 103 / 111 功能键键码值(keyCode) 按键键码按键键码 F1 112 F7 118 F2 113 F8 119 F3 114 F9 120 F4
11.6K30发布于 2021-10-28
来自专栏信数据得永生
django 1.8 官方文档翻译： 2-4-4 编写迁移
Django 文档协作翻译小组人手紧缺，有兴趣的朋友可以加入我们，完全公益性质。在这个例子中，我们默认使用uuid.uuid4。运行 makemigrations 命令。编辑创建的迁移文件。 name='uuid', field=models.UUIDField(max_length=32, unique=True, default=uuid.uuid4) apps.get_model('myapp', 'MyModel') for row in MyModel.objects.all(): row.uuid = uuid.uuid4( model_name='mymodel', name='uuid', field=models.UUIDField(default=uuid.uuid4,
64810编辑于 2022-11-27
来自专栏BestSDK
搜狗翻译API新增：日、韩、法、俄4语种，支持批量翻译
与此同时，搜狗翻译还上线SDL trados机器翻译插件——Sogou Translate Plugin，帮助用户在翻译过程中凭借机器翻译结果实现批量翻译。 ? (图：搜狗机器翻译API服务入口) 作为国内首个全神经翻译的商用系统，搜狗翻译基于自主研发的搜狗机器翻译系统，以最新的神经网络翻译技术为基本架构，能够通过理解上下文语境提供翻译结果。搜狗翻译系统也广泛应用于搜狗英文搜索、搜狗翻译APP、搜狗浏览器、搜狗输入法、搜狗旅行翻译宝、搜狗速记翻译笔等产品中。搜狗翻译在中英、英中的翻译方面尤其值得称道，在2017年国际学术赛事WMT中，搜狗翻译曾获中英机器翻译全球第一。搜狗翻译结合OCR图像识别、语音识别等前沿人工智能技术，带来语音翻译、对话翻译、图像翻译、文本翻译、网页全文翻译、词典等多种类型的翻译体验，还可针对不同行业、不同场景下用户的多元化需求，提供定制化服务。
3.1K100发布于 2018-03-27

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

CRNN论文翻译——中英文对照

机械图纸常用术语英语对照翻译

Batch Normalization论文翻译——中英文对照

Deformable Convolutional Networks论文翻译——中英文对照

Squeeze-and-Excitation Networks论文翻译——中英文对照

Single Shot MultiBox Detector论文翻译——中英文对照

Going Deeper with Convolutions——GoogLeNet论文翻译——中英文对照

Inception-V3论文翻译——中英文对照

U-Net - Convolutional Networks 论文翻译——中英文对照

MongoDB学习（翻译4）

YOLO，You Only Look Once论文翻译——中英文对照

docker官方文档翻译4

ImageNet Classification with Deep Convolutional Neural Networks——AlexNet论文翻译——中英文对照

ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks论文翻译——中英文对照

Effective Java 2.0_中英文对照_Item 4

推荐一个双语对照的 PDF 翻译工具的开源项目：PDFMathTranslate

推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate

Keycode对照表（键码对照表）

django 1.8 官方文档翻译： 2-4-4 编写迁移

搜狗翻译API新增：日、韩、法、俄4语种，支持批量翻译

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐