[双语阅读]《暮光之城2》首映破纪录 周末狂揽2.5亿美元

'New Moon' wolfs down $140.7M in opening weekend

《暮光之城2》首映破纪录 周末狂揽2.5亿美元
The poster of "The Twilight Saga: New Moon".The vampire romance "The Twilight Saga: New Moon" sucked up $140.7 million in its first three days and pulled in a total of $258.8 million worldwide, according to studio estimates Sunday.

 

 

The vampire romance "The Twilight Saga: New Moon" sucked up $140.7 million in its first three days and pulled in a total of $258.8 million worldwide, according to studio estimates Sunday.

The No. 1 domestic debut for Summit Entertainment's "New Moon" was more than twice the $69.6 million haul over the same weekend last year for "Twilight," the first in the franchise based on Stephenie Meyer's novels.

"Obviously, with the success of 'Twilight' itself, sequels being what they are will generate X-number of dollars more, particularly if it's a satisfying sequel," said Richie Fay, head of distribution for Summit.

"New Moon" placed third on the all-time domestic chart behind last year's $158.4 million opening weekend for the Batman blockbuster "The Dark Knight" and 2007's $151.1 million haul for "Spider-Man 3."

Among the top-10 all-time openings, "New Moon" is the only one that came outside of Hollywood's busiest time, the summer season. The movie adaptation of Meyer's next "Twilight" chapter, "Eclipse," arrives in the heart of summer, next June 30.

On Friday, "New Moon" set an all-time domestic high for opening day with $72.7 million, topping the previous record of $67.2 million by last year's "The Dark Knight".

Overall, Hollywood had its second-biggest non-holiday weekend ever, with final numbers expected to come in slightly behind the $260 million the industry rang up over the weekend of July 18, 2008, when "The Dark Knight" opened.

Compared to the same weekend last year, business was up 59 percent.

Overseas, "New Moon" debuted in 25 countries and took in $118.1 million.

"New Moon" continues the story of teen romance between a school girl and a vampire (Kristen Stewart and Robert Pattinson), with the sequel adding a love triangle with a werewolf (Taylor Lautner).

 

据发行公司上周日的票房统计,吸血鬼爱情题材电影《暮光之城:新月》上映头三天在北美创下1.407亿美元的票房佳绩,在全球狂揽2.588亿美元。

由顶峰娱乐公司出品的《暮光之城:新月》不仅创下首映日国内最高票房纪录,而且其首映周末票房比去年同期上映的《暮光之城》翻了一倍多,当时的票房为6960万美元。《暮光之城》是根据斯蒂芬妮•梅尔所著的同名小说改编而成的系列电影的第一部。

顶峰娱乐公司的发行总监里奇•费说:“很明显,由于《暮光之城》的成功,其续集一定会大赚,如果拍得不错更是如此。”

在国内历史周末票房排行榜上,《新月》位居第三,仅次于蝙蝠侠系列电影《黑夜骑士》和2007年的影片《蜘蛛侠3》之后,这两部影片的首映周末票房分别为1.584亿美元和1.511亿美元。

在历年的十大首映影片中,《新月》是唯一一部在夏季黄金档期之外上映的影片。根据梅尔所著同名小说的下一部《月食》所改编的《暮光之城3》将于明年盛夏时的6月30日上映。

于上周五上映的《新月》首映日票房达7270万美元,创下国内历史首映日票房最高记录,一举打破去年《黑夜骑士》创下的6720万美元的记录。

总体来看,这是好莱坞有史以来的第二个非假期时段的盛大周末,总票房稍低于去年7月18日《黑夜骑士》上映的那个周末,当时那个周末的票房总成绩达2.6亿美元。

相比于去年同期的周末,院线票房大增59%.

除美国外,《新月》同时在海外的25个国家首映,总票房达1.181亿美元。

《新月》继续讲述一个女学生和一个吸血鬼(克里斯汀•斯图尔特和罗伯特•帕丁森扮演)的青春爱情故事,续集中增加了男女主角和一个狼人(泰勒•洛特纳饰演)的“三角恋”剧情。

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