虚拟语气和推测(二)

情态动词 + 动词完成式即“ 情态动词 + 动词完成式即“情态动词 + have + done”,表示对过去行为或动作进行推测、评论或判断。

1、表示与现在事实相反的情况:

主语+should/would/could/might+do+其他+

  if+主语+did/be(were)+其他

  例: 

       1.If I were you, I would take an umbrella.如果我是你,我会带把伞。(事实:我不可能是你)

  2.If I knew his telephone number, I would tell you. 如果我知道他的电话号码,我就会告诉你。(事实:不知道)

  3.If there were no air or water, there would be no living things on the earth. 如果没有水和空气,地球上就不会有生物。(事实:地球上既有空气也有水)

  4.If I had any money with me, I could lend you some. 如果我带钱了,我就会借给你些。(事实:没带钱)

  5.If he studied harder, he might pass the exam.如果他再努力些,就能通过考试了。(事实:学习不用功)

2、表示与过去事实相反的情况

  肯定:主语+should(ought to)/would/could/might/need + have done+其他+

  if+主语+had done +其他 

       否定:主语+shouldn't(oughtn't to)/wouldn't/needn't + have done+其他+

例:

  1. If I had got there earlier, I should/could have met her. 如果我早到那儿,我就会见到她。(事实:去晚了)

  2.If he had taken my advice, he would not have made such a mistake. 如果他听我的劝告的话,就不会犯这样的错误了。(事实:没有听我的话)

3、表示对将来情况的主观推测

  (可能相反或可能性很小)

  主语+should/would/could/might+do+其他

  if+主语+did/should/were to do+其他

  例:

  1.If he should come here tomorrow, I should/would talk to him. 如果他哪天来这儿的话,我就跟他谈谈。 (事实:来的可能性很小)

  2.If there were a heavy snow next Sunday, we would not go skating. 如果下周日下大雪,我们就不能去滑冰了。(事实:不知能否下雪)

  3.If she were to be there next Monday, I would tell her about the matter. 如果她下周一来这儿的话,我就会告诉她这件事的始末。

  在表示建议、命令、要求等含义的宾语从句,谓语动词常用虚拟语气,"should+动词原形"构成,should 可省略。

①、虚拟语气用在wish 后的宾语从句

  a、表示与现在事实相反的愿望,谓语动词用过去式

  eg. I wish I had your brains.我希望我有你那样的头脑。(事实:我根本比不上你)

  b、表示与过去事实相反的愿望,谓语动词:had+done(动词过去分词)

  eg:.I wish I had known the truth of the matter.我希望我原来知道这件事的真相。(事实:原来不知道)

  c、表示将来难以实现的愿望

  谓语动词:should/would + 动词原形eg. I wish I should have a chance again.我希望我还能有一次这样的机会。(事实:很难再有这样的机会了)

  

  (注:if only和even if也有相同用法)

②虚拟语气用在

  一想要(desire)二宁愿(prefer)三命令(order. command)四建议(advise. suggest. propose)五要求(demand. require. request. desire.insist)中,无论主句谓语动词为何种时态,从句的谓语动词都用:“should + 动词原形”或只用“动词原形”。

  如 He suggested that we (should) take the teacher’s advice

  He insisted that we (should) take the teacher’s advice

  He demand that we (should) take the teacher’s advice

  He ordered that we (should) take the teacher’s advice

  注:insist如果翻译成坚持某种动作才用虚拟语气翻译成坚持某种观点就不用虚拟语气。

  如:He insist he is a student. 他坚持说他是个学生。

  这个语句表示的是事实,因此在这个语句中不能使用虚拟语气。

  suggest意为“建议”才用虚拟语气,意为“暗示”则不用虚拟语气。

  如: His face suggests that he looks worried .他的表情暗含着他很担心。

  这个句子本身是事实,因此它就没有用到虚拟语气。

  ③表情绪.观点的形容词或名词也要用虚拟语气.如:necessary. important. impossible. natural. strange. surprising.

  funny. right. wrong. better. a pity等。

  句型:It is.......that 结构后的主语从句,从句的谓语动词都要用 should+原型 或只用动词原型。

一、在虚拟语气中的用法

1. should have done 表示“过去本应该做某事却未做。”其否定结构 shouldn't have done 表示 “过去本不该做某事却做了。”

2. ought to have done 表示“过去本应该做某事却未做。”其否定结构 oughtn't to have done 表示“过去本不该做某事却做了。”

3. need have done 表示“过去本有必要做某事却未做。”其否定结构 needn't have done 表示“过去本没必要做某事却做了。”

4. could (不能用 can) have done 表示“过去本能够做某事却未做。”注意:其否定形式 couldn't have done 没有虚拟语气的用法,couldn't have done 只能表推测,相当于 can't have done,意为:“过去不可能做了某事。”could have done 的否定形式应用wouldn't have done。注意:could have done 还可以表示推测。

5. might (不能用 may) have done 表示“过去本可以做某事却未做。” 注意:其否定形式 might not have done 没有虚拟语气的用法,might not have done 只能表推测,相当于 may not have done,意为:“过去可能没有做某事。”might have done 的否定形式应用wouldn't have done。注意:might have done 还表示推测。

二、表推测的用法

1. must have done 表示对过去某事的肯定猜测,译为:过去肯定做了某事。不存在 mustn't have done 的形式。其否定或疑问形式须用can(could) 来表示. 例如: Since the road is wet, it must have rained last night. 既然路是湿的,那昨天晚上肯定下雨了。 He can't have missed the way. I drew him a map. 他不可能迷路。我(当时)给他画了张图。 “The dictionary has disappeared. Who could have taken it?”词典不见了,(过去)谁可能把它拿走了?

2. may / might have done 表示“过去可能做了某事”。may 比 might表示的可能性在说话人看来稍大些。may/might not have done表示“过去可能没有做某事。”例如: I can't find my keys. I may / might have left them at the school yesterday. 我找不到我的钥匙了。我可能昨天把他们落在学校了。John may/might not have passed the exam; he looks very sad.约翰可能没有通过考试。他看起来很忧伤。注意:may/might have done表推测不能用于疑问句中。

3. can/could have done 表推测一般用在否定句和疑问句中,表示不相信或怀疑的态度。 Can/Could he have passed the exam?他可能通过了考试吗? I think that he couldn’t/can't have gone abroad. I saw him just now.我认为他不可能出国了。我刚才还看见他了。 注:表示推测过去某动作发生的可能性时,就表示的可能性程度而言,must 最大,could 其次,may 更次之,might 最小。例如:“I wonder how Tom knew about your past.” “我想知道汤姆是怎么知道你的过去的。”“He must / could / may / might have heard of it from Mary.” “他肯定/很可能/可能/兴许(没准儿)已从玛丽那儿听说此事了。”

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值