英文的 "I" 中文怎么翻译

Bentley MicroStation V8i SS2 EN081107443英文版培训PPT 虽然教程中使用的是英文版,而本人使用的是MS V8i SS4 CN081109833中文简体版,所以对PPT中的英文进行了翻译,同时也批注了配套视频中的一些知识点。最近在学习奔特力三维建模,找到一本MS V8i宝典,时间虽然是2010年11月,但赵顺耐老师的讲解及MS功能的强大确实震撼到我了。由于时间有限,未对全部内容进行批注。 阅读详情

老外要想做中文搜索引擎是有很大挑战的 .... :)

 

 

有一個老外為了學好漢語,不遠萬里,來到中國,拜師于一位國學教授門下。

 

第一天老外想挑一個簡單詞彙學習,便向老師請教英語〝I〞在漢語中應該如何說。
 

老師解釋道:中國是一個官本位國家,當你處在不同的級別、地位,〝I〞也有不同的變化,就象你們英語中的形容詞有原級、比較級、最高級一樣。
    

比如,你剛來中國,沒有地位,對普通人可以說:我、咱、俺、餘、吾、予、儂、某、咱家、洒家、俺咱、本人、個人、人家、吾儂、我儂。
    

如果見到老師、長輩和上級,則應該說:區區、僕、鄙、愚、走、鄙人、卑人、敝人、鄙夫、鄙軀、鄙愚、貧身、小子、小可、在下、末學、小生、不佞、不才、不材、小材、不肖、不孝、不類、走狗、牛馬走、愚小子、鄙生、貧生、學生、後學、晚生、晩學、後生晚學、予末小子、予小子、餘小子。
    
等到你當了官以後,見到上級和皇帝,則應該說:職、卑職、下官、臣、臣子、小臣、鄙臣、愚臣、奴婢、奴才、小人、老奴、小的、小底。
     
見到平級,則可以說:愚兄、為兄、小弟、兄弟、愚弟、哥們。
    
見到下級,則可以說:爺們、老子、大老子、你老子、乃公。
    
如果你混得好,當上了皇帝或王爺,則可以說:朕、孤、孤王、孤家、寡人、不轂。
    
如果你不願意當官,只好去當和尚、道士,應該說:貧道、小道、貧僧、貧衲、不慧、小僧、野僧、老衲、老僧。
    
最後一點必須注意,一旦你退休了,便一下子失去了權利和地位,見人也矮了三分,只好說:老朽、老拙、老夫、愚老、老叟、小老、小老兒、老漢、老可、老軀、老僕、老物、朽人、老我、老骨頭。
     
老外聽了老師一席話,頓覺冷水澆頭,一個晚上沒有睡好覺。第二天一大早向老師辭行:學生、愚、不材、末學、走。退了房間,訂了機票,回國去了。

Java技术深度解析与实践:英文文献与翻译全集 在Java中,类是创建对象的模板。它定义了对象的共同特征和行为。类由属性(成员变量)和方法(成员函数)组成。构造器是一种特殊的方法,用于在创建对象时初始化对象的状态。在Java中,构造器的名称必须与类名相同,并且没有返回类型声明。// 属性// 构造器// 方法在上述代码中,Person类定义了两个属性name和age,以及一个构造器Person用于初始化对象状态,还有一个introduce方法用于输出个人介绍。当我们创建一个Person。 阅读详情

相关推荐

银河麒麟V10离线环境下的Python项目迁移:从Windows依赖到ARM架构适配

本文详细介绍了在银河麒麟V10离线环境下将Python项目从Windows迁移到ARM架构的完整流程。重点讲解了离线安装pip、virtualenv等基础工具的方法,以及如何解决ARM架构兼容性问题,确保项目依赖正确迁移。文章还提供了常见问题解决方案和性能优化建议,帮助开发者顺利完成国产化平台适配工作。

weixin_42639246的博客 422

(难得搞笑)据说一个在学中文的外国人看到"wife" 和 "I" 的同义词表,吐血而亡。

据说一个在学中文的外国人看到"wife" 和 "I" 的同义词表,吐血而亡。 Wife 1、配偶 2、妻子 3、老婆 4、夫人 5、太太 6、爱人 7、内人 8、媳妇 9、那口子 10、拙荆 11、贤内助 12、老伴 13、孩子他妈 14、孩子他娘 15、内子 16、婆娘 17、糟糠 18、宝贝 19、小甜甜 20、蜜糖 21贱内 22、达令 23、女人 24、马子 25、主

666

用PLECS搞定三相逆变器电流环:从传递函数推导到PI参数整定的保姆级教程

本文提供了一份详细的PLECS教程,指导如何从传递函数推导到PI参数整定,实现三相逆变器电流环的闭环控制。通过坐标变换、控制器设计和仿真验证等步骤,帮助工程师快速掌握电流环控制技术,提升电力电子系统的稳定性和可靠性。

weixin_27102543的博客 399

英文的 "I" 中文怎么翻译(转)

老外要想做中文搜索引擎是有很大挑战的 .... :) 有一個老外為了學好漢語,不遠萬里,來到中國,拜師于一位國學教授門下。 第一天老外想挑一個簡單詞彙學習,便向老師請教英語〝I〞在漢語中應該如何說。 老師解釋道:中國是一個官本位國家,當你處在不同的級別、地位,〝I〞也有不同的變化,就象你們英語中的形容詞有原級、比較級、最高級一樣。 比如,你剛來中國,沒有地位,對普通人可以說:我、咱、俺、餘

dengjiang1999的专栏 816

DCDC BUCK开关电源PCB设计

在开关电源中,BUCK(降压)电路、BOOST(升压)电路以及BUCK - BOOST(升降压)三种电路是最基本的拓扑结构。转换器又分DCDC(直流转直流)和ACDC(交流转直流),DCDC装换器结构无疑是比ACDC转换器结构简单,所以从DCDC转换器结构入手学习开关电源是一种很好的选择。本文主要从应用角度,进行相关器件的选型计算以及PCB绘制讲解DCDC 12V转5Vbuck电路。

2301_78342510的博客 6883

uniapp - 实现苹果App打包上架App Store应用商店详细教程,详解Hbuilder打包编译ipa发布上传到苹果ios软件商店全流程,提供云打包/离线本地打包ios、申请IOS苹果证书方法

uni-app,苹果ios,苹果app,打包编译,appstore应用商店,ipa发布到软件商店,uniapp的app苹果应用商店上架,上架苹果APPStore,uniApp打包的ipa文件上传到商店,上架苹果商城,审核失败,被拒绝,UniApp打包ipa文件,上架iOSAppStore流程指南,最新详细教程最全,Hbuilder打包发布iosapp,苹果云打包上线全过程,云打包IPA并上传到商店,打包iOSipa文件后怎么发布到应用商店,苹果证书申请教程,ios证书申请,mac电脑,审核很久

🏆 前端领域优质创作者 1万+

探索I3C协议的奥秘:MIPI I3C Basic 协议中文翻译项目推荐

探索I3C协议的奥秘:MIPI I3C Basic 协议中文翻译项目推荐 【下载地址】MIPII3CBasic协议中文翻译分享 I3C(Improved Inter-Integrated Circuit)是广泛使用的I2C协议的升级版本,具有更快速度、更低功耗、更多功能的特点。本文档为最新公开的I3C Basic英文协议...

gitblog_06619的博客 463

【RT-DETR涨点改进】全网独家首发Conv改进篇 | SCI一区 2025 | RT-DETR引入轻量级CGHalfConv通道分组半卷积模块,含多种创新改进、有效提升检测精度

本文介绍引入 GC Half-convolution 模块可以显著提升 RT-DETR 在资源受限环境下的性能。该模块通过通道分组与半卷积结合,有效减少了参数量与计算量,增强了模型对不同尺度和复杂背景下目标的特征提取能力。在保持模型轻量化的同时,GC Half-convolution 能够更细致地区分目标的边缘纹理、颜色、结构等关键信息,从而提升检测精度。特别是在面对小目标、多类别、形态相近的目标时,该模块能提取更具判别性的局部与全局特征,优化 RT-DETR 的检测效果,并加快推理速度。

Ai缝合怪、助力小伙伴高效发论文 745

基于i8n的国际化开发无脑脚本自动替换

key格式:文件名字-英文(翻译前一到两个单词)可根据实际情况自行设置key,当时开发时比较紧急,仓促的决定了按照这种格式去脚本 生成,后来看到别人用中文做key也挺好的,维护起来超简单,一下是当时写的脚本,只去除了vue文件后辍,ts文件没去除,当时很急就没管那么多能用就行,大佬们可以自行修改。当前目录下的所有文件一键替换为语言包对应的i8n变量写法(目前存在问题,会把注释也替换了,大佬们自行修改,没人问我就懒得改了),可以使用vscode插件 vue-i8n-transform。

qq_43769344的博客 587

点云处理指南介绍

指南目录,Open3D与PCL内容介绍

NNNNNathan的博客 1万+

GD32F4xx MCU ADC+DMA 多通道采样

1、GD32F4xx ADC GD32F4xx 的12位ADC是一种采用逐次逼近方式的模拟数字转换器。 1.1 主要特征 可配置12位、10位、8位、6位分辨率; ADC采样率:12位分辨率为2.6MSPs,10位分辨率为3.0 MSPs。分辨率越低,转换越快; PS: MSPs (模拟混合信号转换速率),是指完成1次从模拟转换到数字的AD转换所需的时间的倒数。常用单位是ksps和Msps,表示每秒采样(千)/(百万)次(kilo / Million Samples per Second)。 1msps

madao1234的博客 8117

【免费下载】 MIPI I3C协议中文文档

MIPI I3C协议中文文档 【下载地址】MIPII3C协议中文文档 MIPI I3C协议中文文档欢迎使用MIPI I3C协议中文文档资源 项目地址: https://gitcode.com/Open-source-documen...

gitblog_06603的博客 1159

解决TexStudio编写LaTeX论文引用文献问题:正文引用处出现[?],参考文献也不显现

当我们利用LaTeX编写论文时,可能会出现引用参考文献时正文引用处出现?号,肯能的原因及解决方案如下: 问题一 忘记在\end{document}前面放\bibliographystyle{样式}和\bibliography{参考文献bib文件名}: \bibliographystyle{plain} \bibliography{sample} 其中, LaTeX 标准选项及其样式共有以下8种: plain,按字母的顺序排列,比较次序为作者、年度和标题. unsrt,样式同plain,只是按照引用的先后

左手の明天的博客 9527

I can't agree more

I can't agree more!翻译成中文为我非常同意,同意得不能再同意了。想查这个费了几个周折,先是用几个Machine Translator,都翻译的不好。然后金山词霸也不行。Google英文搜索不行,中文就找到了洪恩在线。 转载于:https://www.cnblogs.com/sprming/archive/2004/06/19/17121.html...

weixin_34153893的博客 457

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

幻境·流金镜像免配置:内置中文Prompt翻译与英文增强模块

本文介绍了如何在星图GPU平台上一键自动化部署⚡ 幻境·流金 (Mirage Flow)镜像。该镜像内置智能中文Prompt翻译与英文增强模块,能直接将用户的中文创意描述转化为高质量的AI绘画指令,极大地简化了从构思到生成高品质AI图片的创作流程。

weixin_42587866的博客 437

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

经典英文句子

I love you not because of who you are,but because of who I am when I am with you. 我爱你不是因为你是谁,而是因为跟你才在一起我才知道我是谁.

海纳百川技术站 2066

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

将中文论文翻译成英文(ChatGPT调教)

将中文论文标题翻译成英文,注意使用学术风格,并保持语义的准确性。

WonderKing'blog 1万+

Keras实现英文到中文机器翻译 seq2seq+LSTM

该模型实现的是英文到中文的翻译,下图为了更好展示模型架构用的大佬的图: 整体由encoder和decoder两大部分组成,每部分都有一个LSTM网络,其中encoder输入原始的句子,decoder输入的是含有开始符号的翻译后的句子,输出是带有结尾标志福德目标句子。 一、处理文本数据 这一步骤包含对原数据进行分割获得翻译前、后的句子,生成字符的字典,最后对翻译前后的句子进行One-Hot编码,便于处理数据。 1.获得翻译前后的句子 先看一下原数据的样式: 首先导入需要的库 impor

qq_44635691的博客 6445

中文论文翻译成英文投稿国外期刊的小tips

令人头痛的英文翻译,应该怎么入手?快进来看看吧,也许你就get到了呢!

菜鸟博客 1万+

利用python批量将excel中文翻译成英文

目录背景具体操作需要用到的模块操作过程遇到的问题代码 背景 今天接到一个任务,需要将EXCEL文件中的中文翻译成英文,由于表格内容非常大,我想着 这要是手动翻译,三天啥都不用干了,就翻译这个吧 于是有了用python批量翻译的想法 目前的思路是,将excel中每个单元的内容拿出来,放在一个列表中,然后用翻译软件翻译再批量存入新的表格(应该可以用API接口,将所有单元内容依次拿出、翻译、存入,这个还...

shuyueliang1的博客 1万+

java 搞笑翻译_超级搞笑的英文翻译图文版!笑死我了

原标题:超级搞笑的英文翻译图文版!笑死我了 I never change whatever U change电流不随电压改变而改变,当时就把这句话死死的记住了。 2.If you think you can, you can.如果你认为你是个罐头,你就是个罐头。 3.One apple a day,keep the doctor away.每天听一遍小苹果,医生都不敢治我。 4.You are t...

weixin_39589511的博客 342

Python实现中英文翻译方法总结

Table of Contents 1  PYTHON 实现中英文自动翻译1.1  有道翻译API,实现中英文翻译1.2  百度翻译API, 实现文献翻译及日常单词翻译1.3  谷歌在线翻译模块:Google translate python1.4  有道在线翻译模块:基于有道云翻译API的Pyth...

qq_36771895的博客 2万+

如何在英文文献中引用中文文献

如何在英文文献中引用中文文献 在写英文论文甚至某些中文论文时,有时候会引用到国内学者发表的中文文献,但需要将其翻译成英文后再进行引用,可以自行引用,也可以借助文献管理工具,这里只记录一下自行翻译。 如何自行翻译并引用? 需要翻译的信息基本上可以在中文的原文中找到,尽可能的去找官方的译名,期刊名称之类的也是,去找官方的译名。 举例:比如《遥感学报》中文体例模板的截图。 742)] ​ ...

flow_specter的博客 9万+

根据中文修改英文翻译,重新生成英文翻译文件(保证原有文件的顺序不变)

/** * 一键翻译 */ @RequestMapping(value = "/filePostToTranslation",method = RequestMethod.POST) @ResponseBody public ModelMap filePostToTranslation(@RequestParam MultipartFile file1, @Reque...

q1424966670的博客 1万+

日常中文短句翻译英文有哪些好方法?

中文和英文都是使用范围比较大的语言,那么在我们生活中使用中文会更多,对于英文只会说hello、I’m ok的小伙伴来说,要想将中文的句子进行翻译怕是有点难度了,别担心,这里分享俩种方法,我们先来一起了解下。 为了翻译的精准率,我们会借助到俩种翻译率更为匹配内容的工具,一种是在线转换翻译另一种是ocr识别翻译。 第一种:在线转换翻译 借助工具:迅捷PDF转换器 1、首先打开本次借助到的在线转换翻译...

ban_gong的博客 1471

有哪些将英文文献翻译为中文的网站或软件?

你的英语怎么样呢?你是否看到英文资料就头疼呢?是否经常用翻译工具翻译呢?相信很多小伙伴拿到全是英文的文档资料,脑袋就大了,最常见的操作就是一段一段的复制到翻译工具翻译。今天我们要来分享的两个翻译工具就是可以直接翻译文档的,让你在阅读英文文档时更加的方便。特别是大学生需要写论文的小伙伴们,应该更能用到。话不多说,今天给大家强烈推荐一款准确率近95%的外文文献翻译网站,打开网页就能进行翻译,支持PDF...

weixin_42009785的博客 1万+
上一篇: WinDBG 技巧:设置系统默认调试器
下一篇: [IE编程] IE的Killbit 技术详解
西塞安全
博客等级 码龄20年 980粉丝 164原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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