红豆、绿豆和本地化

最新推荐文章于 2021-07-26 15:34:09 发布
最新推荐文章于 2021-07-26 15:34:09 发布
阅读量258 收藏
点赞数 1
原文链接：http://www.cnblogs.com/access/archive/2010/03/03/1676868.html
版权

红豆绿豆一起炒，倒进盘子里哗啦一下红豆绿豆都分开了，为什么呀？俩豆 —— 很老的笑话了，今天提起来不是炒冷饭啦，只是因为昨天和几个美国同事聊天，说起软件汉化多么难，别说汉化了，就说这个红豆绿豆的笑话翻译到英文都几乎不可能 —— 英文是有单复数的，如果上手第一句就讲 Someone is frying a red bean and a green bean… —— 好吧，包袱就没得抖了。

 

收到了一些来自中国用户的反馈，有几条讲到了 Access 在汉化时候的拗口和不地道。比如把 Named Macro 叫做“已命名的宏”，粗看还过得去，但是在“Create a New Named Macro”这样的上下文里面，这就变成了“新建一个已命名的宏”，Oops… 不免有点自相矛盾了… 把这个bug拿来和红豆绿豆一起讲并不是想推委说这个 bug 是不能避免的，只是想说汉化真的是很难很难，尤其是汉化一个功能繁多，应用场景复杂的软件，一个翻译在一个场景之下行得通，再另一个场景下就不 make sense了。在有限资源的情况下，如果我们可以得到中国用户的反馈，这对于我们来说是莫大的帮助。不仅是汉化啦，对于软件功能的适用性，对中国用户的深入理解，对中国市场的前瞻，你们都比在隔海遥望的我们更有切身体会。

 

这个博客开在这里不是为了广播我们，而是为了倾听你们的声音 ：）刚发了一个小的调研，请大家能够做一下：http://deploy.ztelligence.com/start/index.jsp?PIN=15WBQYFW2L99C

P.S.: 问题1-3只需要基于你是白领上班族、公司IT部门员工、还是程序员，选一个做就可以了。然后4-6是单选。应该2分钟就可以做完吧~~ （做不完是你中文阅读慢哦！=P)

 

- Lois

转载于:https://www.cnblogs.com/access/archive/2010/03/03/1676868.html

weixin_34228662
关注
固定化微环境对南方红豆杉细胞生长和紫杉醇合成的影响 (2007年)
06-12
研究了固定化微环境对南方红豆杉细胞生长和紫杉醇合成的影响，结果表明：固定化细胞停滞期缩短，细胞膜脂氧合酶活性和脂过氧化产物含量远远高于悬浮细胞，同时苯丙氨酸解氨酶活性显著增加，微环境溶液内紫杉醇含量与...
spring中MessageSource实现国际化i18n
红豆和绿豆的博客
10-22 3351
Spring定义了访问国际化信息的MessageSource接口，并提供了几个易用的实现类。首先来了解一下该接口的几个重要方法：   String getMessage(String code, Object[] args, String defaultMessage, Locale locale)  code表示国际化资源中的属性名； args用于传递格式化串占位符所用的运行期参数；
cookie 和session 的区别详解
evilcry2012的专栏
11-06 226
cookie 和session 的区别详解 这些都是基础知识，不过有必要做深入了解。先简单介绍一下。 二者的定义： 当你在浏览网站的时候，WEB 服务器会先送一小小资料放在你的计算机上，Cookie 会帮你在网站上所打的文字或是一些选择， 都纪录下来。当下次你再光临同一个网站，WEB 服务器会先看看有没有它上次留下的 Cookie 资料，有的话，就会依据 Cookie 里的内容来
如何在spring中使用缓存
红豆和绿豆的博客
10-25 1537
Spring Cache 缓存是实际工作中非常常用的一种提高性能的方法, 我们会在许多场景下来使用缓存。 本文通过一个简单的例子进行展开，通过对比我们原来的自定义缓存和 spring 的基于注释的 cache 配置方法，展现了 spring cache 的强大之处，然后介绍了其基本的原理，扩展点和使用场景的限制。通过阅读本文，你应该可以短时间内掌握 spring 带来的强大缓存技术
在Spring、Hibernate中使用Ehcache缓存
红豆和绿豆的博客
10-26 370
这里将介绍在Hibernate中使用查询缓存、一级缓存、二级缓存，整合Spring在HibernateTemplate中使用查询缓存。 EhCache是Hibernate的二级缓存技术之一，可以把查询出来的数据存储在内存或者磁盘，节省下次同样查询语句再次查询数据库，大幅减轻数据库压力； EhCache的使用注意点 当用Hibernate的方式修改表数据(save,update
本地测试用的帐号csv文件
热门推荐
Lubin的编程专栏
11-25 1万+
由于开发时需要大量的帐号，所以在网上找了一些账号名称，通过处理后形成下面的内容，可用于csv文件，分隔符为：\t 账号id 账号名 注册时间 格式化的日期 1000 风尘孤狼 1377964800 2013-09-01 00:00:00 1001 雾风寒狼 1377964800 2013-09-01 00:00:00 1002 被追杀的狼 1377964800 2013-09-01 00...
前后端分离springmvc和RESTful理解
红豆和绿豆的博客
03-06 3311
1. 理解MVC MVC是一种经典的设计模式，全名为Model-View-Controller，即模型-视图-控制器。 其中，模型是用于封装数据的载体，例如，在Java中一般通过一个简单的POJO（Plain Ordinary Java Object）来表示，其本质是一个普通的Java Bean，包含一系列的成员变量及其getter/setter方法。对于视图而言，它更加偏重于展现
Tachyon的安装、配置和使用
红豆和绿豆的博客
06-22 506
发布人：南京大学PASA大数据实验室董乾豪 0. 前言 在上一篇博文《Tachyon简介》中，我们简要地介绍了Tachyon，一个以内存为中心的分布式文件系统，及其一些基本工作原理。这一次，我们重点介绍如何在你自己的单机或集群环境下去安装、配置和使用Tachyon。具体地，会从怎样编译源码开始，到各项配置、命令的说明，再加上API的使用举例，让大家能够一步步地把Tachyon用起来
Docker 在分布式和大数据框架中的应用
红豆和绿豆的博客
11-23 4280
Docker 是一个用来编译、迁移和执行分布式应用程序的开源容器引擎，这种容器技术为开发人员和运维人员带来了一种全新的体验。程序的发布方式可以变得非常简单，程序的运行环境也可以拥有系统级别的安全隔离。从 Docker 开源社区的火热程度大家就可以体会到，Docker 为程序的发布和运行带来了极大的便利。本文将从实际应用出发，介绍如何将 Docker 集成到分布式和大数据产品中。
全国各地的元宵节习俗和风味汤圆——番外
dongbao520的博客
07-26 328
全国各地的元宵节习俗和风味汤圆 全国各地的元宵节汤圆 　　元宵节吃元宵汤圆，是我国的传统习俗。全国各地有不少驰名的风味汤圆元宵，下面介绍一些最负盛名的。 　　成都赖汤圆　 　　上世纪初简阳人赖源鑫到成都挑担卖汤圆，因其汤圆质好、味美，人们称做“赖汤圆”。该汤圆选用上等的糯米粉加水揉匀，包上用芝麻、白糖、化猪油配制的馅心。该汤圆的特点是香甜滑润，肥而不腻，糯而不粘。 　　四川心肺汤圆　 　　四川彭水县的风味小吃，以糯米粉制皮，将豆腐干、冬菜切碎，用猪油炒后制馅，煮熟配上卤煮的猪心、猪肺及多种调味料而成。食用时
初中语文文摘社会红豆杉和红嘴蓝鹊互利共赢
09-08
标题中的“初中语文文摘社会红豆杉和红嘴蓝鹊互利共赢”暗示了这是一个关于生态共生关系的案例，适合初中生学习理解。描述虽然简洁，但同样强调了红豆杉与红嘴蓝鹊之间的互利关系。标签“资料”表明这是一个教育或...
智慧旅游景区解决方案PPT(50页).pptx
最新发布
09-21
智慧旅游解决方案利用云计算、物联网和移动互联网技术，通过便携终端设备，实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验，使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务，包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外，平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持，如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》，这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化，智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式，提供简化的软件开发、测试和部署环境，实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源，提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构，提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术，实现了旅游服务的智能化、个性化和协同化，提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势，多种技术和应用交叉渗透至旅游行业的各个方面，预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验，也为旅游管理和服务提供了高效的技术支持。
智慧旅游实景三维智慧景区建设方案PPT(70页).pptx
09-21
智慧旅游解决方案利用云计算、物联网和移动互联网技术，通过便携终端设备，实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验，使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务，包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外，平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持，如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》，这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化，智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式，提供简化的软件开发、测试和部署环境，实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源，提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构，提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术，实现了旅游服务的智能化、个性化和协同化，提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势，多种技术和应用交叉渗透至旅游行业的各个方面，预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验，也为旅游管理和服务提供了高效的技术支持。
基于深度学习实现的半监督学习例子.zip
09-21
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。
关于APx测试耳机音频的参数设置及步骤 关于APx测试耳机音频的参数设置及步骤
09-21
关于APx测试耳机音频的参数设置及步骤 关于APx测试耳机音频的参数设置及步骤
生成python代码，实现识别花生仁、红豆、绿豆、黄豆、黑豆
05-25
以下是一个简单的 Python 代码示例，使用机器学习库 Tensorflow 和 Keras 来训练一个简单的卷积神经网络（CNN）模型，对花生仁、红豆、绿豆、黄豆、黑豆进行图像分类： ```python import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers from tensorflow.keras.preprocessing.image import ImageDataGenerator # 设置训练和验证数据集的目录 train_dir = '/path/to/training/dataset' val_dir = '/path/to/validation/dataset' # 设置图像的大小和批次大小 img_size = (224, 224) batch_size = 32 # 创建数据增强器，对训练数据进行随机变换和扩增 train_datagen = ImageDataGenerator( rescale=1./255, rotation_range=20, width_shift_range=0.1, height_shift_range=0.1, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest') # 创建数据生成器，从目录中读取训练数据，并将其转换为张量 train_generator = train_datagen.flow_from_directory( train_dir, target_size=img_size, batch_size=batch_size, class_mode='categorical') # 创建数据生成器，从目录中读取验证数据，并将其转换为张量 val_datagen = ImageDataGenerator(rescale=1./255) val_generator = val_datagen.flow_from_directory( val_dir, target_size=img_size, batch_size=batch_size, class_mode='categorical') # 定义模型架构 model = keras.Sequential([ layers.Conv2D(32, 3, activation='relu', input_shape=(224, 224, 3)), layers.MaxPooling2D(), layers.Conv2D(64, 3, activation='relu'), layers.MaxPooling2D(), layers.Conv2D(128, 3, activation='relu'), layers.MaxPooling2D(), layers.Flatten(), layers.Dense(512, activation='relu'), layers.Dense(5, activation='softmax') ]) # 编译模型 model.compile( optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) # 训练模型 model.fit( train_generator, validation_data=val_generator, epochs=10) # 保存模型 model.save('bean_classifier.h5') ``` 在上面的代码中，我们使用了数据增强技术来扩增训练数据集，这有助于提高模型的泛化能力。我们还使用了一个简单的卷积神经网络模型，包括三个卷积层和两个全连接层。最后，我们将模型保存到一个 HDF5 文件中，以便在需要时可以再次加载它。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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