恩智浦如何使用DITA

 ▲ 搜索“大龙谈智能内容”关注公众号▲ 

作者 | John Walker - NXP销售和市场营销业务分析师

2013年4月18日

作为恩智浦半导体公司销售和市场部的业务分析师,我负责恩智浦半导公司产品信息的数据/内容模型、流程和工具。我来自英国,但自2000年以来一直在荷兰生活和工作。

最近,DITAWriter(又名Keith Schengili Roberts)发布了一系列关于DITA在半导体行业的应用的采访。对于那些从未听说过DITA的人来说,简而言之,它是一种用于创作和发布基于主题的模块化内容的OASIS XML标准。

其中一次采访是我们公司的Colin Maudry,所以我认为详细介绍恩智浦是如何使用DITA的,并给出一些事实和数据会很有用。

正如采访中提到的,我们主要使用DITA作为我们所称的“价值主张”(即市场资料)的源格式。该内容本质上是关于我们产品的营销叙事,由描述、功能和应用程序以及其他一些可选的部分组成。这些内容最终会产生一些不同的输出,包括:数据手册、产品网页和移动应用程序,如下图所示。

每一个带圆圈的内容都是一个主题,它是一个离散的内容资源,可以在多个文档(或DITA中的Map)中重用。这对于应用程序列表尤其有用,例如,许多产品共享相同的“标准”应用程序列表。这在翻译时会带来好处,因为我们最终不会一次又一次地翻译相同的内容,从而获得更一致的翻译内容和更低的成本。

以下是我们选择DITA的几个原因

  • 为多种输出格式提供无关的源格式

  • 将内容与格式分离

  • 基于主题的方法使内容能够轻松地跨文档重用

  • 为翻译/本地化提供本机支持

  • 由于它是基于XML的,可以集成到现有的XML发布过程中

  • 它是一个开放的标准,因此提供了更好的工具支持和更广泛的用户社区

当然,我们并不是最初就开始使用DITA。所以我们不得不将内容从传统格式迁移到DITA中。幸运的是,我们所有的遗留源格式都是XML,因此使用XSLT将其转换为DITA目标格式相对简单。迁移主要分两轮进行。在第一轮中,我们忽略了任何潜在的重用,并使用自己的主题集迁移了每个文档;而在第二轮中,我方试图消除内容相同的任何主题的重复。

我们大约50%的新数据手册仍然是使用Adobe FrameMaker中的专有(SGML)EDD创建的。对于这些内容,我们仍然需要在发布后(手动)将内容提取到DITA中,但这是我们在不久的将来寻求自动化的事情,长期目标是将DITA作为所有自然语言内容的源格式。对于其他50%的数据手册,当我们生成数据手册以及从我们的产品信息数据库动态生成的其他topic时,将使用DITA来做市场资料。

在DITA中拥有所有这些内容使我们能够轻松地将大量内容翻译成中文和日语,详情见以下数据。我们已经建立了一个部分自动化的工作流程来处理翻译请求,它原生支持DITA,并且需要最少的设置来在我们的内容和翻译提供商之间架起一座桥梁。如果不使用DITA和XLIFF等相关技术,这种大规模翻译根本不可行,也不具有成本效益。

最后,这里有一些反映今天状态的统计数据:

  • DITA Map数量:10,000+

    • 英语(源):6,281

    • 中文:536

    • 日语:2,991

    • 其他:392

  • DITA Topic数量:40,000+

  • 平均而言,一个map被2.27个产品重用

  • Map被重复使用的最大次数是223个产品

  • 截至2012年12月,我们的源DITA内容包含1,018,093个单词,包括489,705个重复

英文原文:https://www.nxp.com/company/blog/how-were-using-dita-at-nxp:BL-USING-DITA-NXP


摩拿科技自研产品:结构化文档系统MxDoc,代理产品:Oxygen XML Editor/Arbortext + 技术服务

访问摩拿官网联系我们 

  • 24
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv8是YOLO (You Only Look Once)目标检测算法的一个版本,它可以使用DOTA数据集进行训练。DOTA数据集是用于航空目标检测和跟踪的开源数据集,其中包含大量的航空影像和相应的标注信息。 要使用DOTA数据集进行YOLOv8的训练,你可以按照以下步骤进行操作: 1. 确保你已经安装了darknet框架,并且已经准备好了相关的环境,包括安装了CUDA和cuDNN,以及配置了GPU加速和OpenCV等。 2. 下载DOTA数据集,并进行数据处理。你需要将图片和标签分割成统一的尺寸,比如1024x1024,并将标签格式转换成YOLO需要的格式,即"category-id x y width height"。 3. 修改YOLOv8的配置文件。你需要修改cfg/dota.data文件,设置classes参数为数据集中的类别数量,设置train参数为训练集文件的路径,设置valid参数为测试集文件的路径,设置names参数为标签分类文件的路径,设置backup参数为权重文件保存的路径。此外,你还需要修改cfg/dota.cfg网络配置文件,设置classes参数为类别数量,设置filters参数为类别数量乘以5的值。 4. 运行训练命令。使用"./darknet detector train cfg/dota.data cfg/yolo-dota.cfg darknet19_448.conv.23 -gpu"命令来训练模型,并将训练日志保存在log.txt文件中。 5. 运行测试命令。使用"./darknet detector test cfg/dota.data cfg/yolo-dota.cfg dota-backup/yolo-dota_450000.weights /test/images/P0017__1__0___0.jpg -thresh 0.1"命令来测试模型,并设置阈值参数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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