精华内容
下载资源
问答
  • 在前面的一篇文章如何用python“优雅的”调用有道翻译中咱们清楚的写过如何一层一层的解开有道翻译的面纱,并且笔者说过那只是脑洞的开始。现在笔者又回来了。Teach you how to flirt gracefully with code。 设计...

    前言

    在前面的一篇文章如何用python“优雅的”调用有道翻译中咱们清楚的写过如何一层一层的解开有道翻译的面纱,并且笔者说过那只是脑洞的开始。现在笔者又回来了。当你遇到一些外国小哥哥小姐姐很心动、想结识交流,但英语水平或其他水平还在提升阶段,这个小工具可以帮你渡过难关!Teach you how to flirt gracefully with code。在本文中,我将详细讲解这个翻译的具体实现!对于实现的主要功能:通过微信聊天监听一些关键的口令,开启自己说的话的翻译模式和对面说的话的翻译模式!

    在这里插入图片描述
    设计思路:前面有了调用翻译,我们可以和翻译接口微信的api结合起来做一些有趣的事情,主要就是利用微信api对自己发的消息进行监测,然后有些关键字判断作为开关、修改翻译语言等等(逻辑可以自己设置),接着去请求有道翻译,利用程序自动发送翻译的话给对方。然后再假装把自己当成一无所知的萌新------看你怎么操作了(手动滑稽)

    当然,如果你有个韩国朋友,他说的话自动翻成中文,发给你,你说的话自动翻成韩文再发给他。有本事有资源的小哥哥小姐姐可以去试试洋妞洋娃娃
    在这里插入图片描述

    详细设计

    既然前面的思路很明确了,那么咱么一步一步来,如何攻克其中的种种问题。主要两个方面,一个是单独的微信api和单独的请求有道翻译一些其他规则另一方面是将两者整合起来,可以让人人性化的操作!

    当然解决了这两项之后,你就可以自己实现一些逻辑开关,而我就用我的逻辑简单的实现了一下!

    环境:win/linux
    编译器:pycharm
    额外模块:itchat、requests

    微信api

    微信方公开了微信网页版的api。python中的itchat模块就可以直接使用。当然摸索起来也是需要时间。有些必要的学习步骤我就放上了。

    1 . 对于itchat模块的扫码登录。后面可以不加参数,但是加了这个hotReaload之后短期内可以不需要扫码,不然每次启动扫码耽误效率。

    import itchat
    itchat.auto_login(hotReload=True)
    

    2 . 至于还有一个发消息的api也很简单,后面的userName是用户的唯一的被加密的字段,当然,文件传输助手有专门id,还有其他搜索好友名通过返回的json串也可以获得用的该id。总之这个字段很好获得。

    itchat.send("你好",toUserName = userName)
    

    3 . 最重要的就是消息的监听了,对于消息监听,大部分百度到的结果都是将程序做成机器人,监听对面消息然后自动回复,但是笔者要的不是这个效果,我是想监听自己移动端微信发的消息然后进行分析啥啥啥的。

    对于正常的监听都是这样的

    # 注册消息响应事件,消息类型为itchat.content.TEXT,即文本消息。也可以监听多种类型可自行百度
    @itchat.msg_register(itchat.content.TEXT)
    def text_reply(msg):
       return msg['Text']#return “字符串” 当接受到对面消息时候,就会发过去充当机器人 
    itchat.run()
    

    但是,如果你如果再其中print(msg).你会发现你自己发的消息也会被监听到,这里的就是from you send to he/she。所以可以获取里面内容自己利用itchat发送sendapi主动发送消息。当然,你发送的内容主体等各种信息都在里面,py正好也很方便操作字典。
    在这里插入图片描述
    那么这部分的最终设计是这样的:
    其中如果是对面发来的消息我们直接return 字符串就会发送,如果是自己发的消息,自己send调用发送信息即可!

    # 注册消息响应事件,消息类型为itchat.content.TEXT,即文本消息
    @itchat.msg_register(itchat.content.TEXT)
    def text_reply(msg):
         #xxxxx 逻辑处理如果自己发
         itchat.send(transtr, toUserName=msg['ToUserName'])#将字符串transtr发给你发的人
         #xxxxx 逻辑处理如果ta发
         return transtr#这个加上是如果对面发消息的监听。也就是对面发消息过来你直接return就会自动发送
    itchat.run()
    

    有道api

    对于其他的前面已经分析过,这里需要注意的是翻译成的语言,比如中翻译英(en)、日语(ja)、韩语(ko)等等。所以你点几个典型的放到逻辑处理里面就好了。
    在这里插入图片描述

    整体逻辑

    当然,我想写个逻辑可以控制发送翻译的开始、结束。所以我监听用两个个Boolean类型控制整个开始和暂停,其中jud用来判断自己是否开启自己说的话的装(b)翻译模式。而参数isreturn用来控制判断是否翻译洋娃娃说的话。关键词这里我选开始作为开始,停止作为结束控制自己说的话。而翻译模式停止翻译则用来控制开始和停止说的话。英语、日语、韩语、法语、等作为翻译语言更改的关键词。

    那么,一旦程序跑起来,一切都在我们的掌控之中,当然,测试过效率,虽然那个itchat,和有道翻译的数据都是通过http传输的,但是其实效率还行,对于聊天来说传输效率是可以接受的。延迟不算很大,能满足基本需求。但是切记不要太快太频繁哈,防止有道把你的ip封了你就无法请求了。

    代码和运行结果

    就这样,我把项目的代码完整的供出来。

    项目github地址(微信模块):https://github.com/javasmall/python
    欢迎star!

    #更多请关注公众号:bigsai
    import itchat
    import requests
    import hashlib
    import time
    import urllib.parse
    
    jud=False#默认是先不开启
    isreturn=False#是否回复
    To='en'#翻译成的语言默认是英语
    
    def nmd5(str):#md5加密
        m = hashlib.md5()
        b = str.encode(encoding='utf-8')
        m.update(b)
        str_md5 = m.hexdigest()
        return  str_md5
    def formdata(transtr):
        # 待加密信息
        global To
        headerstr = '5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
        bv=nmd5(headerstr)
        ts=str(round(time.time()*1000))
        salt=ts+'90'
        strexample='fanyideskweb'+transtr+salt+'n%A-rKaT5fb[Gy?;N5@Tj'
        sign=nmd5(strexample)
        i=len(transtr)
        dict={'i':transtr,'from':'AUTO','to':To,'smartresult': 'dict',
              'client':'fanyideskweb',
              'salt':salt,
              'sign':sign,
              'ts':ts,
              'bv':bv,
              'doctype':'json',
              'version':'2.1',
              'keyfrom':'fanyi.web',
              'action':'FY_BY_REALTlME'
        }
        return dict
    url='http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
    header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36',
     'Referer':'http://fanyi.youdao.com/',
     'Origin': 'http://fanyi.youdao.com',
     'Content-Type':'application/x-www-form-urlencoded; charset=UTF-8',
     'X-Requested-With':'XMLHttpRequest',
     'Accept':'application/json, text/javascript, */*; q=0.01',
     'Accept-Encoding':'gzip, deflate',
     'Accept-Language':'zh-CN,zh;q=0.9',
     'Connection': 'keep-alive',
     'Host': 'fanyi.youdao.com',
     'cookie':'_ntes_nnid=937f1c788f1e087cf91d616319dc536a,1564395185984; OUTFOX_SEARCH_USER_ID_NCOO=; OUTFOX_SEARCH_USER_ID=-10218418@11.136.67.24; JSESSIONID=; ___rl__test__cookies=1'
     }
    itchat.auto_login(hotReload=True)#登录
    
    
    # 注册消息响应事件,消息类型为itchat.content.TEXT,文本消息
    @itchat.msg_register(itchat.content.TEXT)
    def text_reply(msg):
        # 返回信息调用信息
        global jud
        global To
        global  isreturn
        text=msg['Text']
        dict = formdata(text)
        if "翻译模式" in text:
            isreturn =True
        elif "停止翻译" in text:
            isreturn=False
        if  "开始" in text:
            jud=True
        elif  "停止" in text:
            jud=False
        elif "英语" in text:
            To = 'en'
        elif "日语" in text:
            To = 'ja'
        elif "韩语" in text:
            To = 'ko'
        elif "法语" in text:
            To = 'fr'
        if jud:#说明需要运行
            dict['to']=To
            dict['from']= 'AUTO'
            dict = urllib.parse.urlencode(dict)
            dict = str(dict)
            req = requests.post(url, timeout=1, data=dict, headers=header)
            val = req.json()
            transtr = val['translateResult'][0][0]['tgt']
            print(msg)
            itchat.send(transtr, toUserName=msg['ToUserName'])
        ##返回监听对面说的话
        if isreturn:
            dict['from']='AUTO'
            dict['to']='zh-CHS'##翻译成中文
            dict = urllib.parse.urlencode(dict)
            # dict = str(dict)
            req = requests.post(url, timeout=1, data=dict, headers=header)
            val = req.json()
            transtr = val['translateResult'][0][0]['tgt']
            print(msg)
            return 'ta说:'+str(transtr)#这个加上是如果对面发消息的监听。比如你是双向翻译可以尝试下
    # 绑定消息响应事件后,让itchat运行起来,监听消息
    itchat.run()
    
    

    鉴于笔者真没有洋娃娃所以只能模拟了
    简单运行测试结果(拿队友手机自导自演)
    在这里插入图片描述

    结语

    当然,这或许可能很有趣,又或许可能很无聊很简单,只是不同的人可能有不同的看法,不同的时间段、不同的交际都可能有不同的看法,所以请各位大佬不喜勿喷,当然,如果有改进的建议,还请指出!
    python相关仓库和项目github地址https://github.com/javasmall/python/tree/master/%E7%88%AC%E8%99%AB/Include/%E5%BE%AE%E4%BF%A1,(微信文件目录)有兴趣的可以玩玩,star star!如果感觉还行还请各位动动小手点点收藏、点点赞👍!

    欢迎关注公众号:bigsai 长期奋战输出!

    展开全文
  • 在上篇中虽然实现了微信5.0的主界面框架,但是方法似乎有点牵强,官方已经为HOLO主题提供了actionBar我前面翻译过两篇文章《Android官方教程翻译(5)——设置ActionBar》、《Android官方教程翻译(6)——添加...

    在上一篇中虽然实现了微信5.0的主界面框架,但是方法似乎有点牵强,官方已经为HOLO主题提供了actionBar我前面翻译过两篇文章Android官方教程翻译(5)——设置ActionBar》、《Android官方教程翻译(6)——添加ActionBar》,今天我们来看一下如何使用ActionBar以及用actionBar实现微信主界面。

    首先新建一个应用:


    我们可以看到系统默认为我们提供了ActionBar(Android3.0版本已经默认启用了Action Bar,因此只要版本高于“11”那么默认就会启动Action Bar,如果你是2.1以上3.0以下则需要下载支持的jar包。)

    下面我贴出style.xml文件代码:

    <resources xmlns:android="http://schemas.android.com/apk/res/android">
    
        <!--
            Base application theme, dependent on API level. This theme is replaced
            by AppBaseTheme from res/values-vXX/styles.xml on newer devices.
        -->
        <style name="AppBaseTheme" parent="android:Theme.Holo.Light">
            <!--
                Theme customizations available in newer API levels can go in
                res/values-vXX/styles.xml, while customizations related to
                backward-compatibility can go here.
            -->
            
        </style>
    
    
        <!-- Application theme. -->
    	<style name="MyTheme" parent="@android:style/Theme.Holo.Light">
    	</style>
    	<style name="MyTheme.WithActionBar" parent="@style/MyTheme">
            <item name="android:actionBarStyle">@style/MyActionBar</item>
            <item name="android:actionButtonStyle">@style/MyActionButton</item>
    		<item name="android:actionBarTabBarStyle">@style/MyActionBarTabBar</item>
    		<item name="android:actionBarTabTextStyle">@style/MyActionBarTabTextStyle</item>
        </style>
        <style name="MyActionBar" parent="@android:style/Widget.Holo.ActionBar">  
    		<item name="android:windowActionBarOverlay">true</item>  
    		<item name="android:background">@drawable/actionbar_bg</item>  
    		<item name="android:backgroundStacked">#F7F7F7</item>  
    		<item name="android:backgroundSplit">#33BA03</item> 
    	</style> 
       
        <style name="MyActionButton" parent="@android:style/Widget.Holo.ActionButton">     
    		<item name="android:gravity">center</item>   
    		<item name="android:paddingLeft">12dip</item>   
    		<item name="android:paddingRight">12dip</item>   
    		<item name="android:scaleType">center</item>   
    	</style>  
    	
        <style name="MyActionBarTabBar" parent="@android:style/Widget.Holo.Light.ActionBar.TabBar">
            <item name="android:divider">@null</item>   
    		<item name="android:showDividers">middle</item>   
    		<item name="android:dividerPadding">0dip</item>  
        </style>
        
    
        <style name="MyActionBarTabTextStyle" parent="@android:style/Widget.Holo.Light.ActionBar.TabText">
            <item name="android:textColor">#669900</item>
            <item name="android:textSize">15dp</item>
            <item name="android:textStyle">normal</item>
            <item name="android:maxLines">1</item>
        </style>
    </resources>
    
    具体的界面就不写了,这个涉及到一些项目信息,所以不方便上传代码。

    感兴趣的朋友可以参考:

    http://blog.csdn.net/klpchan/article/details/10027841

    http://blog.csdn.net/eclipsexys/article/details/8688538

    最后的运行结果:



    应大家的要求,我将menu文件贴出来,关于fragment实现菜单导航部分,大家可以搜一下。

    <?xml version="1.0" encoding="utf-8"?>
    <menu xmlns:android="http://schemas.android.com/apk/res/android" >
         <!-- Search, should appear as action button -->  
        <item android:id="@+id/action_search"  
              android:icon="@drawable/ic_action_refresh"  
              android:title="刷新" 
              android:showAsAction="always"/>  
        <!-- Settings, should always be in the overflow -->
     	<item android:id="@+id/action_add"  
              android:title="分享"  
              android:icon="@drawable/ic_action_share"
              android:showAsAction="always" />   
       
       <item android:id="@+id/action_settings"  
              android:title="更多"  
              android:icon="@drawable/ic_action_overflow"
              android:showAsAction="always"> 
              <menu >
                  <group >
                      <item 
                          android:id="@+id/item1"
                          android:title="个人中心"
                          android:icon="@drawable/ic_action_user"/>
                      <item 
                          android:id="@+id/item2"
                          android:title="自定义"
                          android:icon="@drawable/ic_action_edit"/>
                      <item 
                          android:id="@+id/item3"
                          android:title="历史记录"
                          android:icon="@drawable/ic_action_paste"/>
                  </group>
              </menu>
        </item> 
    </menu>
    



    展开全文
  • 模块开发  编写 OpenCart 模块可以很好地了解 OpenCart 如何运作的基本原理。就像 OpenCart 的其余部分一样,模块遵循 MVCL 设计模式。本文档指南将介绍如何使用 MVC-L 的每个组件来创建模块的后台和...本页面是

    模块开发

      编写 OpenCart 模块可以很好地了解 OpenCart 如何运作的基本原理。就像 OpenCart 的其余部分一样,模块遵循 MVCL 设计模式。本文档指南将介绍如何使用 MVC-L 的每个组件来创建模块的后台和前台部分。创建模块的最简单方法是从 HostJars 下载 DIY Module Builder 框架。该模块包含如何理解和构建自己的模块的目录结构、文件和说明。本页面是一个更偏向理论的指南。

    基本目录结构

      你的模块的基本文件结构将分为两部分,即 admincatalog 文件夹。每个文件夹的内容分别遵循 MVC-L 框架,区别在于 admin 将仅处理后端功能,以及具有前端功能的 catalog。你模块下的用户将在商店的管理端进行交互并配置设置。因此,admin 文件夹中的文件将处理其设置的所有更改,模块在管理中的显示方式,安装/卸载模块等。同样,模块的显示方式及其在商店前端如何工作将由 catalog 文件夹中的文件处理。

    文件夹结构

      上图显示了你的模块应该遵循的目录结构。开始上手的一个好方法是复制文件夹结构并创建上述文件。这些文件中的内容取决于你模块需要实现的功能,但基本功能将在下面的部分中详细介绍。

    Admin 模块功能

      当商店所有者使用你的模块时,他们需要在 admin 中编辑模块的配置选项以确定模块的布局显示,无论是启用还是禁用,以及任何模块特定的选项。作为模块开发人员,你需要创建能够编辑模块的管理页面且包含添加或调整配置的选项。

      所有管理文件位于 admin/ 文件夹中。你将在 admin/ 文件夹中找到四个文件夹:

    1. controller
    2. view
    3. language
    4. model

      所有模块在每个视图和控制器文件夹中将至少要有一个文件。大多数情况下,在每个模型和语言文件夹中只需要一个文件。通常这些文件具有相同的名称,但视图文件拥有不同的后缀(.tpl)。我们将逐个浏览这些文件。

    MVC-L模式

    控制器

      你即将制作的第一个文件是你模块管理界面页面的控制器。OpenCart 只需通过读取你商店的 admin/controller/module 文件夹即可自动识别现有模块。此文件夹中存在的任何模块将自动显示在“模块”页面和“用户权限”页面上。你可以命名你的控制器文件为 my_module.php

      在控制器文件中,你可以加载语言文件将文本转换到模板文件中使用变量的地方。在上图中,你可以看到 $_['text'] 变量由控制器处理,然后作为 $text 发送到视图。 你还将在这里使用多个模型文件及其类函数,包括你模块的模型文件(如果有)。有关加载文件的更多信息,请参阅在控制器中加载文件

      你还可以将函数定义为 public function install()。当在“扩展” > “模块”页面上单击安装链接时触发此功能。类似的,当单击卸载链接时,将触发定义为 public function uninstall() 的函数。你可以使用这些功能来创建和删除你模块所需的任何结构(如数据库表或配置设置)。创建一个卸载功能来清理模块所做的任何更改是一个很好的习惯。要查看 install()uninstall() 的具体代码,请查看安装/卸载模块

    通过URL访问

      控制器是 OpenCart 在 MVC-L 框架中通过 URL 访问的唯一文件。在后台管理中,URL 看起来就像 /admin/index.php?route=module/my_module&token 这样。管理员将一个令牌添加到 URL,而前端中的 URL 则没有。因此,控制器文件将具有定义为 public function index() 的函数。这是由 URL 加载的可公开访问的“页面”,当单击“编辑”按钮时将显示该视图,以及视图表单将提交到的页面。提交的数据将在此函数中处理并通过控制器的配置对象保存到 settings 数据库表中。

    视图

      模块管理界面的第二个必需文件是视图文件。这将在 admin/view/template/module 文件夹中创建,后缀为 .tpl。这是 OpenCart 视图文件的标准。在此文件中,你将创建一个表单供用户填写并提交。它将被提交给模块控制器的 index 函数。创建视图文件的最简单方法是复制并粘贴一个现有的类似的视图文件,并编辑表单以包含模块配置选项的正确字段。你可以命名你的视图文件为 my_module.tpl

      在视图中,你将可以访问来自 language 中存储为 PHP 变量的文本的控制器文件。请参阅在控制器中加载文件以获取有关如何执行此操作的代码。

    模型

      模块在后台管理中需要一个模型文件是罕见的。然而,如果你的模块依赖于自己的数据库表,或自定义查询来创建一个特定格式的数据,那么你可能会发现自己在编写一个模型文件。这样的例子可能是,如果您正在编写访问者统计模块,其中 IP 地址和访问次数存储在每个访问者的数据库表中。然后,你可以创建一个模型文件,并具有在 OpenCart 数据库中定义和创建此额外表的功能。模型文件将存在于 admin/model/module 文件夹中。你可以将模型文件命名为 my_module.php,与你的控制器和语言文件相同。

    最后一句原文是 same as your controller and language files. 我猜测正确的应该是 same as your controller and view files. 与你的控制器和视图文件相同。

    前端模块功能

      模块的前端遵循刚刚描述的后台管理界面相同的模式。你在每个前端文件中包含的内容在很大程度上取决于你的模块应该做什么。模块可以访问 OpenCart 中已存在的任何模型文件,如果相同的查询已经存在,则不需要编写自己的数据库查询。例如,catalog/product 模型包含许多有用的查询来获取产品。使用这些模型功能应优先于重新造轮子【重新编写已有的代码】。

      前端模块的一个主要区别是,你的视图文件将位于 catalog/view/theme/(主题名称)/template/module 文件夹中。因为主题,这是一个显然比后台管理视图层次更深的文件夹结构的。OpenCart 商店有许多不同的前端主题,但只有一个后台管理模板。(主题名称)

      在模块的前端部分,你可以通过控制器的配置对象和传递给模块控制器的 index 函数下的 $settings 变量访问模块保存的配置选项。你可以根据这些设置控制前端各个方面的显示。

    PS: 部分翻译可能存在错误,希望指出修正。

    展开全文
  • 推特(twitter)翻译

    千次阅读 2019-11-13 20:40:11
    推特(twitter)翻译 本人开发了一个翻译推特的插件,打开twitter网站后会把帖子英文翻译成...后期会把youtubet自动显示中文字幕的功能也加上, 就不用每打开个视频手动一层一层点下去 具体使用请移步: 插件地址 ...

    推特(twitter)翻译

    • 本人开发了一个翻译推特的插件,打开twitter网站后会把帖子英文翻译成中文,翻译api用的google translate。后期会把youtubet自动显示中文字幕的功能也加上, 就不用每打开个视频手动一层一层点下去
    • 具体使用请移步: 插件地址
    展开全文
  • 物理:通过媒介传输比特,确定机械及电气规范(位bit)中继器,集线器,双绞线 数据链路:将比特组装成帧和点到点的传递(帧Frame)差错控制 网桥,以太网交换机,网卡(一半物理,一半数据链路) 网络...
  • 翻译如写生

    千次阅读 多人点赞 2019-09-18 11:50:09
    究竟翻译一本书有多少惊天动地,百转千回的故事,倒没有。翻转记忆的胶带:无非是时光顺着书脊蜿蜒、爬升,然后化作蝌蚪,消失在半亩方塘中;无非是凌晨的阳光拖着文字,像颗胶囊,也像颗琥珀,凝固在地铁逼仄的...
  • 注意力是通过decoder 的另外个神经网络来计算的。它的输入是当前输入和 上个时刻的隐状态,输出是个新的向量,这个向量的长度和输入相同(因为输入是变长的,我们会选择个最大的长度),这个向量会用...
  • 机器翻译模型简介(

    千次阅读 2018-08-26 17:57:50
    本系列将记录一些最近的机器翻译模型,作为笔记,以备日后查看。 1、Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation  这篇论文试图解决神经网络机器翻译...
  • 程序员的十个层次 你属于哪一层

    万次阅读 多人点赞 2011-09-09 22:04:19
    一年前收藏的篇文章,今早翻出来看看,突然很有感悟,想和大家分享分享,究竟这条路可以走到什么程度,还是个未知数。 文章虽然有点长,有兴趣的同学就仔细看看吧,对自己的发展还是有好处的。   自西方文艺...
  • 遇到问题多思考,其实技术就是一层窗户纸,当你有很多层窗户纸捅不破的时候,就成了困难了,所以解决问题要一层一层分析,把每个窗户纸捅破了,这个问题就pass掉了。我在网上看到大家翻译一些中文的帮助文档,所以我...
  • 天学懂深度学习》PPT翻译一

    千次阅读 2017-04-10 19:57:45
    深度学习最近是真火,开始听说这个名字的时候感觉莫名其妙,难道是教程序员怎么学习的?后来查阅了一些资料,原来是跟人工智能有关的。 其中李宏毅的《天学懂深度学习》挺适合初学者的。于是我花了一点时间翻译...
  • 该模型基于特征金字塔网络(FPN)和个ResNet101 (种神经网络)主结构(框架、骨架)。 The repository includes: 该库包含以下内容: Source code of Mask R-CNN built on FPN and ResNet101. ...
  • 先来段官方的语言介绍全连接(Fully Connected Layer) 全连接常简称为 FC,它是可能会出现在 CNN 中的、个比较特殊的结构;从名字就可以大概猜想到、FC 应该和普通息息相关,事实上也正是如此。直观地.....
  • 关于机器翻译,看这篇就够了

    千次阅读 2020-04-17 12:02:43
    从早期的词典匹配,到词典结合语言学专家知识的规则翻译,再到基于语料库的统计机器翻译,随着计算机运算能力的提升和多语言信息资源的爆发式增长,机器翻译技术逐渐走出象牙塔,开始为普通用户提供实时便捷的翻译...
  • TiDB 官方设计文档翻译

    万次阅读 2017-03-05 14:56:56
    TiDB是新兴的NEWSQL数据库,由国内的PINGCAP团队研发。 有关于TiDB的架构、部署和运维,官方有中文的文档,链接是: ...这里提供该文档的翻译。 官方英文设计思想的文档链接: https://pingcap.github
  • 神经网络机器翻译总结

    万次阅读 2018-01-13 10:14:30
    神经网络机器翻译(Neural Machine Translation, NMT)是最近几年提出来的种机器翻译方法。相比于传统的统计机器翻译(SMT)而言,NMT能够训练一张能够从个序列映射到另个序列的神经网络,输出的可以是个变长...
  • OSI七协议在网络传输中扮演的角色及功能:7、应用——–电脑的各种数据6、表示 ——– 处理用户信息的表示问题,如编码、数据格式转换和加密解密5、会话——–会话管理、会话流量控制、寻址、寻址4、传输...
  • 官方原文翻译总索引:http://blog.csdn.net/Amio_/article/details/78708538 Django 概述因为Django是在快节奏的新闻编辑环境下开发的,所以它旨在让通用的Web开发任务变得快速而简单, 以下是利用Django编写数据库驱
  • 神经机器翻译的Subword技术

    千次阅读 2021-03-13 09:02:28
    神经网络机器翻译(NMT)是目前最先进的机器...字符分割是机器翻译中为了避免词层翻译的缺点而采用的种技术。字符分割的主要优点是它可以对任何字符组成进行建模,从而能够更好地对罕见的形态变体进行建模。但是由于缺.
  • RNN与机器翻译

    千次阅读 2017-05-01 12:23:42
    CS224d-Day 9: GRUs and LSTMs – for machine translation 视频链接 课件链接本文结构: - 机器翻译系统整体的认识 - 什么是 parallel corpora - 三个模块 - 各模块有什么难点 ...机器翻译机器翻译是NLP问
  • 于是在百度开发者中心申请了个百度翻译的API。自己写了个简单的翻译功能。仅供自己平时开发使用。 首先肯定是需要百度开发者中心去申请个百度翻译的API的。申请方式具体可以去这里看:百度翻译API帮助...
  • 翻译VxWorks Flash文档部分

    千次阅读 2011-06-02 15:42:00
    8 Flash存储区块设备驱动 ——可选的组件TrueFFS 8.1引论 Tornado的TrueFFS是个可选的产品,它提供了对很多Flash存储器的块访问接口。TrueFFS是种与Vxworks兼容的M-2.0系统的应用实现。这...
  • AlexNet论文翻译与解读

    万次阅读 多人点赞 2017-05-08 00:30:21
    AlexNet论文翻译与解读
  • 机器翻译小结

    千次阅读 2018-11-06 10:48:53
     机器翻译主要是通过计算机将种语言翻译到其他语言,也就是最基本的序列到序列的问题。传统的机器翻译主要是基于统计的机器翻译,一般能够在精确度上做的比较好,但是在译文流畅度上有很大的不足,往往是只是翻译...
  • LoRaWAN V1.1 Class B翻译和笔记(

    千次阅读 2018-12-17 20:55:50
    注意:本文并非严格按照原文进行翻译,属于阅读理解性质的自由翻译。 CH8 ClassB的目的是使得节点具有在预定时间打开接收窗口(称之为ping slot)的能力。 CH9 个支持ClassB的网络,所有的网关都必须同步发送...
  • 从头细说统计机器翻译(1)

    万次阅读 2013-08-26 17:48:26
    做统计翻译系统(SMT,statistical machine translation)也有段时间了,接触了大大小小好几个翻译系统,使用它们的同时也对其原理进行了一定的了解,阅读了一些中英文资料文献,对统计机器翻译的过程有了个比较...
  • 介绍 Nutch 第部分:抓取 (翻译

    万次阅读 2006-01-14 19:15:00
    下面的部分翻译中。。。 原文地址: http://blog.csdn.net/accesine960/archive/2006/01/14/579535.aspx http://today.java.net/pub/a/today/2006/01/10/introduction-to-nutch-1.html     ...
  • 提供了到 CMSIS-RTOS API v1 的翻译层。因此,RTX5 可以用于先前基于 RTX 版本 4 和 CMSIS-RTOS 版本 1 的应用程序,而且花费最少。以下各节提供了更多详细信息:创建个 RTX5 项目 介绍如何在 K...
  • ResNet论文翻译——中文版

    万次阅读 多人点赞 2017-08-16 18:41:19
    翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers-translation Deep Residual Learning for Image Recognition ...我们明确地将变为学习关于输入的残差函数,而不是学习未...
  • 因为它最先被引入机器翻译,所以先从机器翻译看起。主要是资料的整合,我自己的思考是蓝色的部分 目录 1、自然语言处理的不定长问题——seq2seq的引入 单层网络结构(1v1) 经典的RNN结构(N vs N) N VS 1 1 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 270,481
精华内容 108,192
关键字:

一层怎么翻译