Fit for Chinese studying english grammer 2

本文详细介绍了英语中的各种时态,包括现在式、现在进行式、过去式、过去进行式、现在完成式、过去完成式及未来式等,并通过实例说明了每种时态的具体用法。

Section Two. Present tense and Present progressive(现在式和现在进行式)

Present tense:a state not a action

Example:Tom works hard.

Present progressive:a present action

struct:verb to be+present participle(现在分词)

Present participle:verb+ing

Example:I am watching a movie.

 

Section Three.Past tense and Past progressive(过去式和过去进行式)

过去式带有时间词汇

I went to school yesterday.

过去进行式和现在进行式类似,只是verb to be要用过去式。可是有一点过去进行式常和另一句子一起用

Example:

I was taking a bath when you called.

过去进行式通常牵涉到几件事情,这两件同时发生,一件用过去式,一件用过去进行式。

 

Section Four.完成式Perfect Tense

1.Present Perfect Tense现在完成时 verb to be + past participle

每一个动词都有过去式和过去分词(past participle)

Example :

go went gone

come came come

1. 首先假设我们有一件事,发生在过去,而一直延续到现在,就要用现在完成式,这种句子后面常有since或for.
I have studied English since 1963.

He has already practiced tennis for (the past) four years

2.使用现在完成式的另一情况是强调已经完成的事

I have already written the letter.

3.现在完成式用来表示一种经验

I have been to America.

4.现在完成式可以用来表示一件过去常发生的事:
He has already published three papers this year.

对读者而言,最重要的是"现在完成式″和"过去式″不同究竟在那里 最重要的不同在于,一旦在句子中讲一件过
去发生的事,而且指定特定的时间,就一定要用"过去式″,而不能用"现在完成式″.比方说,"我曾经看过「铁
达尼号」″,可以用现在完成式,因为这句话没有指明任何特定的时间,假如说,"我昨天晚上去看「铁达尼号」″,
就一定用过去式,读者不妨看看以下的比较:
(a)I went to America last year.
I have been to America.

现在完成式常和since,for,already,never,ever等字一起使用,以下都是这类的例子:

(1)I have already had dinner.

Never 和 ever 也常是我们弄不清楚如何使用的字,一般说来, never 有否定的意思,ever则只有在问句中才会出现.
2.Present Perfect Progressive Tense现在完成进行式

假如我们要强调我一直在练习游泳,而且没有间断,我们可以用现在完成进行式(present perfect
progressive tense).所谓现在完成进行式,形式如下:
verb to have + been + present participle

I have been studying English since 1974.

3.过去完成式和过去完成进行式(Past Perfect Progressive Tense)

过去完成式的形式如下:
had + past participle
过去完成式是不能单独用的.我们用的时候,必须有另一个事件.也就是说,假如我们有两件事 A 和 B,两件事都
发生在过去,但 A 发生在 B 以前,A 应该用过去完成式,B 则用过去式.以下是几个例子:

(1) 他到台湾以前,曾学过中文.
He had studied Chinese before he came to Taiwan.

如果我们要强调较早发生事件的连续性,我们可以用过去完成进行式.过去完成进行式和现在完成进行式惟一不同的地方
是 verb to have 的地方一定要用had

I had been watching TV before you called me.

 

Section Five.未来式

如果不用"will″,我们可以用"verb to be +going to+ verb″

这里面的to式infinitive,infinitive里面永远要用原型动词.
未来式常和别的句子用在一起,以下是典型的例子
1. When you come tomorrow, I will already be in Taipei.
2. After I graduate, I am going to be a good doctor in Africa.
3. Before I leave tomorrow, I will finish my work.
4. After the war is over, every one will be happy.
5. I will go to a concert after my classes are over.
6. I will eat lunch as soon as I have time.

 

未来式的变形

未来式可以和进行式合起来用,以下是未来进行式的例子
I will be watching TV tomorrow at eight.

未来式可以和完成式合在一起用,而成为未来完成式,这种句子都是在于强调未来要完成的事.举例来说,"我明天
六点以前,我会完成这工作了",就可以用未来完成式:
I will have finished this work by six o'clock tomorrow.

 

 

 

 

 

在深度学习与绘图行为研究的交叉领域,已有多个开源项目致力于探索人类在绘图过程中的认知模式、创作行为分析以及智能辅助绘图系统的设计。尽管目前尚未有专门针对 *“Deep learning for studying drawing behavior: A review”* 这篇综述论文的开源项目,但已有多个 GitHub 项目结合了深度学习与图像处理技术,用于分析绘图行为、笔触轨迹建模和手绘图像理解。 ### 项目推荐与 GitHub 链接 #### 3.1 **Sketch-RNN: A Generative Model for Vector Sketches** 该项目由 Google Brain 团队提出,基于递归神经网络(RNN)与变分自编码器(VAE),用于建模人类绘图行为中的笔触序列。Sketch-RNN 可用于生成手绘草图、学习绘图风格,并支持对绘图行为进行定量分析。 GitHub 链接:[https://github.com/tensorflow/magenta/tree/master/magenta/models/sketch_rnn](https://github.com/tensorflow/magenta/tree/master/magenta/models/sketch_rnn) 该项目提供了完整的训练与推理代码,支持对绘图轨迹的建模与生成,适用于研究人类绘图行为的序列建模问题。以下为模型加载与推理的示例代码: ```python import numpy as np import tensorflow as tf from magenta.models.sketch_rnn import model as sketch_rnn_model # 加载预训练模型 model_path = 'sketch_rnn/checkpoints/quickdraw/model.ckpt-2000000' hparams = sketch_rnn_model.get_default_hparams() model = sketch_rnn_model.Model(hparams) with tf.Session() as sess: model.restore(sess, model_path) # 生成绘图轨迹 z = np.random.randn(1, hparams.z_size) strokes = model.generate(sess, z) ``` 该类项目适用于绘图行为建模与生成,尤其在分析人类草图创作模式方面具有广泛应用[^1]。 #### 3.2 **DeepDrawing: Learning Aesthetic and Semantic Attributes of Hand-Drawn Sketches** 该项目由 Adobe Research 提出,结合卷积神经网络(CNN)与注意力机制,用于分析手绘草图的语义属性和美学特征。它支持对绘图行为中的构图、笔触风格和视觉语义进行建模。 GitHub 链接:[https://github.com/adobe-research/DeepDrawing](https://github.com/adobe-research/DeepDrawing) 该项目提供多个预训练模型,可用于绘图风格识别、美学评估与语义标签预测。以下为图像预处理与特征提取的代码示例: ```python import cv2 import torch from torchvision import transforms # 图像预处理 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) image = cv2.imread("sketch.png") image = cv2.resize(image, (224, 224)) image = transform(image).unsqueeze(0) # 加载模型并进行推理 model = torch.load("deep_drawing_model.pth") model.eval() with torch.no_grad(): output = model(image) ``` 该类项目适用于绘图行为中的语义理解与风格建模,尤其在数字艺术创作与智能辅助设计方面具有重要价值[^2]。 #### 3.3 **StrokeNet: Deep Learning of Hand-Drawn Stroke Sequences** 该项目专注于手绘笔触序列的建模,采用 LSTM 与 Transformer 架构,用于预测绘图意图、识别绘图对象类别,并分析绘图行为的时间序列特征。 GitHub 链接:[https://github.com/IBM/StrokeNet](https://github.com/IBM/StrokeNet) 该项目支持基于笔触数据的绘图行为分类与生成,适用于教育、认知科学和人机交互等领域的研究。 --- ###
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