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！ 6）它比标准DCNN模型包含的参数要少得多，占用更少的存储空间。 2. 分别在第5和第6卷积层之后插入两个批归一化层。使用批归一化层训练过程大大加快。 PAMI, 36(12):2552–2566, 2014. 2, 6, 7 [6] O. Alsharif and J. Pineau. ICLR, 2014. 6, 7 [7] Y. Bengio, P. Y. Simard, and P. Frasconi.
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 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 /4 DIA REAM铰孔1"/4; （5）螺纹孔的标注一般要表示出螺纹的直径，每英寸牙数（螺矩）螺纹种类精度等级钻深攻深，方向等如：例1.6 HOLES EQUI-SPACED ON 5"DIA (6孔均布在 5"圆周上（EQUI-SPACED=EQUALLY SPACED均布） DRILL 1"DIA THRO＇钻1"通孔（THRO＇=THROUGH通） C/SINK22×6DEEP 沉孔22×6 例2.
5.2K20编辑于 2022-09-20
来自专栏SnailTyan
Batch Normalization论文翻译——中英文对照
BN-x30 reaches 74.8% after 6⋅1066 \cdot 10^6 steps, i.e. 5 times fewer steps than required by Inception 在6⋅1066 \cdot 10^6步骤之后，BN-x30达到74.8％的准确率，即比Inception达到72.2％的准确率所需的步骤减少了5倍。 Each network achieved its maximum accuracy after about 6⋅1066 \cdot 10^6 training steps. 对于我们的组合，我们使用了6个网络。每个网络在大约6⋅1066 \cdot 10^6个训练步骤之后实现了最大的准确率。组合预测是基于组成网络的预测类概率的算术平均。
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
\tag{6}通常，Δpij\Delta \mathbf{p}_{ij}是小数。方程（6）通过双线性插值方程（3）和（4）来实现。可变形卷积能够自适应地学习感受野，如图5，6和表2所示。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。 7 [6] M. In CVPR, 2017. 6
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
SE块所需的小的额外计算开销对于其对模型性能的贡献来说是合理的（在第6节中详细讨论）。 6. 比较结果如表2所示，训练曲线如图6所示，表现出的现象与残差架构中出现的现象一样。 SE_4_6 and SE_5_1. Dual path networks. arXiv:1707.01629, 2017. [6] F. Chollet.
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
Smooth L1 [6]) and confidence loss (e.g. Softmax). 默认边界框和长宽比。对于网络顶部的多个特征映射，我们将一组默认边界框与每个特征映射单元相关联。模型损失是定位损失（例如，Smooth L1[6]）和置信度损失（例如Softmax）之间的加权和。
1.4K00发布于 2017-12-28
来自专栏Puppeteer学习
MongoDB学习（翻译6）
有许多种让你控制序列化的方式，上一节通过约定方法来控制序列化，你也可以通过代码配置或者成员映射或者使用特性来控制你的序列化，下面说道的序列化的各个方面，我们都会展示两种方式。
33810编辑于 2022-05-09
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！最后，目前最好的目标检测是Girshick等人[6]的基于区域的卷积神经网络（R-CNN）方法。这个网络（用不同的图像块采样方法训练的）使用了我们组合中7个模型中的6个。 6. This leads to 4×3×6×2 = 144 crops per image.
1.4K00发布于 2017-12-28
来自专栏SnailTyan
Inception-V3论文翻译——中英文对照
Inception的计算成本也远低于VGGNet或其更高性能的后继者[6]。图6。n×n卷积分解后的Inception模块。在我们提出的架构中，对17×17的网格我们选择n=7。（滤波器尺寸可以通过原则3选择） 4. 6. 在最粗糙的8×88 \times 8级别，我们有两个如图6所示的Inception模块，每个块连接的输出滤波器组的大小为2048。实验结果和比较表3显示了我们提出的体系结构（Inception-v2）识别性能的实验结果，架构如第6节所述。
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 表1：EM分割挑战[14](march 6th, 2015)的排名，按warping error排序。 ? 由于具有弹性形变的数据增强，它仅需要非常少的标注图像，并且在NVidia Titan GPU (6 GB)上仅需要10个小时的合理训练时间。我们提供了完整的基于Caffe[6]的实现以及训练之后的网络。我们确信U-Net架构可以很轻松地应用到更多的任务上。
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
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SnailTyan
Effective Java 2.0_中英文对照_Item 6
文章作者：Tyan 博客：noahsnail.com | CSDN | 简书 Item 6: Eliminate obsolete object references When you switch
44020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
新的更大的数据集包括LabelMe [23]，它包含了数十万张完全分割的图像，ImageNet[6]，它包含了22000个类别上的超过1500万张标注的高分辨率的图像。 6 Results Our results on ILSVRC-2010 are summarized in Table 1. See Section 6 for details. 我们也用我们的模型参加了ILSVRC-2012竞赛并在表2中报告了我们的结果。我们在这个数据集上的的top-1和top-5错误率是67.4%和40.9%，使用的是上面描述的在最后的池化层之后有一个额外的第6卷积层网络。剩下的列展示了6张训练图像，这些图像在最后的隐藏层的特征向量与测试图像的特征向量有最小的欧氏距离。
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 各种网络架构设计和训练策略持续地改善SR性能，尤其是峰值信噪比(PSNR)的值[5,6,7,1,8,9,10,11,12]。图6：图像“狒狒”激活之前和激活之后代表性的特征映射。随着网络加深，大多数激活之后的特征变得不活跃而激活之前的特征包含更多的信息。具有提出的RRDB的更深模型可以进一步改善恢复的纹理，尤其是像图8中图像6的屋顶这样的常规结构，因为深度模型具有强大的表示能力来捕获语义信息。
1.5K40发布于 2020-05-27
来自专栏Web技术布道师
推荐6-Go maps in action 翻译
hash table 可能是计算机科学领域最重要的一种数据结构，不同的实现方式会有不同的特性，但通常来说都会提供快速查找、增加和删除的操作。Go 内置了一个名为 map 的 hash table 。
87420发布于 2019-09-06
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 。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/OpenAI 等服务，提供 CLI/GUI/Docker 。布局分析和 PDF 指令流分析实现对文档排版的完整保留；保留行内/行间公式和图表样式，对 Latex 文献进行特殊优化；保留文档可索引目录结构；支持 Google、DeepL 和 OpenAI 等多种翻译服务接下来，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
来自专栏晓晨的专栏
【翻译】.NET 6 中的 dotnet monitor
原文：Announcing dotnet monitor in .NET 6 我们在 2020 年 6 月首次推出了dotnet monitor 作为实验工具，并在去年（2020年）努力将其转变为生产级工具今天，我很高兴地的宣布 dotnet monitor 的第一个正式版将和 .NET 6 一起发布，作为 .NET 6 的一部分。 NET CLI 工具通过 Microsoft Container Registry (MCR) 获得的容器镜像 .NET CLI 工具 dotnet monitor CLI 工具首先需要安装 .NET 6
78330编辑于 2021-12-09
来自专栏信数据得永生
django 1.8 官方文档翻译： 6-6-1 部署 Django
译者：Django 文档协作翻译小组，原文：Overview。本文以 CC BY-NC-SA 3.0 协议发布，转载请保留作者署名和文章出处。 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。
36120编辑于 2022-11-27
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 PDF 指令流分析实现对文档排版的完整保留；保留行内/行间公式和图表样式，对 Latex 文献进行特殊优化；保留文档可索引目录结构；支持 Google、DeepL 和 OpenAI 等多种翻译服务且小于 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）
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 52 E 69 N 78 W 87 5 53 F 70 O 79 X 88 6 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 4 100 Enter 108 5 101 – 109 6 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 115 F10 121 F5 116 F11 122 F6
11.6K30发布于 2021-10-28

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

MongoDB学习（翻译6）

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

YOLO，You Only Look Once论文翻译——中英文对照

Effective Java 2.0_中英文对照_Item 6

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

推荐6-Go maps in action 翻译

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

【翻译】.NET 6 中的 dotnet monitor

django 1.8 官方文档翻译： 6-6-1 部署 Django

推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate

Keycode对照表（键码对照表）

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