多语言字段翻译函数。注意事项无。基本信息接口名称translate接口路径/service/Common/0.1.0/Common/translate接口协议HTTPS接口方法POST请求参数请求参数如表1所示。表1 请求参数说明参数名称类型必选（M）/可选（O）参数位置参数含义access-tokenStringMCookie | Header授权TOKEN。localeStringOHeader当前界面语言。如zh_CN。objectNameStringMBody对象名称。referenceStringMBody翻译源语言类型。referenceValueStringMBody待翻译源参数值。targetStringMBody翻译目标语言类型。请求样例 { "objectName": "SmartCampus__paramConfig__CST", "reference": "SmartCampus__paramNameCn__CST", "referenceValue": "最高供水温度", "target": "en_US" }响应参数响应参数如表2所示。表2 响应参数说明参数名称类型必选（M）/可选（O）位置参数含义resCodeStringMBody接口的返回码。resMsgStringOBody接口的返回消息。resultOutputs[]OBody接口的响应参数。表3 Outputs参数说明参数名称类型必选（M）/可选（O）位置参数含义valueStringMBody翻译目标值。响应样例{ "resCode": "0", "resMsg": "成功", "result": [ { "value": "" } ] }

【AI作诗】案例链接：https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=60658dee-1052-4d26-aacd-9ab5828f0ac4 参与步骤：1、按照【案例链接】的步骤指导运行案例；2、在最后一步输入想要创作诗的第一个字，并运行代码；3、将创作后的诗截图（如下图所示）到本帖评论区，即完成案例体验；

【中英机器翻译】案例链接：https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=7e8663ce-5510-4eeb-a57e-b56322fe9449参与步骤： 1、按照【案例链接】的基础上进行优化和训练； 2、将运行后的翻译效果截图到本帖评论区，即完成任务；

早在20世纪50年代，随着电子计算机的出现，产生了许多自然语言处理的任务需求，其中最典型的就是机器翻译。当时存在两派不同的自然语言处理方法：**基于规则方法的符号派**和**基于概率方法的随机派**。受限于当时的数据和算力，随机派**无法发挥出全部的功力**，使得符号派的研究略占上风。体现到翻译上，人们认为机器翻译的过程是在解读密码，试图通过查询词典来实现逐词翻译，这种方式产出的翻译效果不佳、难以实用。当时的一些成果包括1959年宾夕法尼亚大学研制成功的TDAP系统(Transformation and Discourse Analysis Project，最早的、完整的英语自动剖析系统）、布朗美国英语语料库的建立等。IBM701计算机进行了世界上第一次机器翻译试验，将几个简单的俄语句子翻译成了英文。在这之后，苏联、英国、日本等国家也陆续进行了机器翻译试验。1966年，美国科学院的语言自动处理咨询委员会(ALPAC)发布了一篇题为《语言与机器》的研究报告，报告全面否定了机器翻译的可行性，认为机器翻译不足以克服现有困难，难以投人使用。这篇报告浇灭了之前的机器翻译热潮，许多国家开始削减这方面的经费投人，许多相关研究被迫暂停，自然语言研究陷人低谷。 许多研究者痛定思痛，意识到两种语言间的差异不仅体现在词汇上，还体现在**句法结构**的差异上，为了提升译文的可读性，应该加强语言模型和语义分析的研究。里程碑事件出现在1976年，加拿大蒙特利尔大学与加拿大联邦政府翻译局联合开发了名为TAUM-METEO的机器翻译系统，提供天气预报服务。这个系统每小时可以翻译6万-30万个词，每天可翻译1000-2000篇气象资料，并能够通过电视、报纸立即公布。在这之后，欧盟、日本也纷纷开始研究多语言机器翻译系统，但并未取得预期的成效。 到了90年代，自然语言处理进人了发展繁荣期。随着计算机的计算速度和存储量大幅增加、**大规模真实文本的积累产生，以及被互联网发展激发出的、以网页搜索为代表的基于自然语言的信息检索和抽取需求出现，人们对自然语言处理的热情空前高涨**。在传统的基于规则的处理技术中，人们引人了更多数据驱动的统计方法，将自然语言处理的研究推向了一个新高度。除了机器翻译之外，网页搜索、语音交互、对话机器人等领域都有自然语言处理的功劳。 进人2010年以后，基于大数据和浅层、深层学习技术，自然语言处理的效果得到了进一步优化。机器翻译的效果进一步提升，出现了专门的智能翻译产品。对话交互能力被应用在客服机器人、智能助手等产品中。 这一时期的一个重要里程碑事件是IBM研发的Watson系统参加**综艺问答**节目Joepardy。比赛中Watson没有联网，但依靠4TB磁盘内200万页结构化和非结构化的信息，成功战胜了人类选手取得冠军，向世界展现了自然语言处理技术的实力。机器翻译方面，谷歌推出的神经网络机器翻译(GNMT)相比传统的基于词组的机器翻译(PBMT)，英语到西班牙语的错误率下降了87％，英文到中文的错误率下降了58％，取得了非常强劲的提升。 

解决IDEA翻译插件Translation报错更新TTK失败不能使用有好久一段时间没有用idea的插件Translation，升级后使用翻译，竟然翻译失败。。。网上搜索无数办法都没有效果：1、卸载了以后重新装但是没用；无效！2、Translation配置问题去取消勾选项，还是无效！还是无效，其实勾选不勾选都用一样3、修改Hots文件；还是无效！【修改C:\Windows\System32\drivers\etc 下hosts文件, 添加203.208.40.66 translate.google.com203.208.40.66 translate.googleapis.com此方法解决谷歌浏览器网页翻译失败问题, 将国外域名的IP解析成国内翻译网站的IP，仅供参考！本人无效】最终解决方法：修改本机IPv4的IP地址 为自动获取 成功；

处理自然语言的关键是要让计算机“理解”自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。分类及国内概况按照技术实现难度的不同，这类系统可以分成简单匹配式、模糊匹配式和段落理解式三种类型。简单匹配式辅导答疑系统主要通过简单的关键字匹配技术来实现对学生提出问题与答案库中相关应答条目的匹配，从而做到自动回答问题或进行相关辅导。模糊匹配式辅导答疑系统则在此基础上増加了同义词和反义词的匹配。这样，即使学生所提问题中按原来的关键字在答案库中找不到直接匹配的答案，但是假若与该关键字同义或反义的词能够匹配则仍可在答案库中找到相关的应答条目。段落理解式辅导答疑系统是最理想的、也是真正智能化的辅导答疑系统（简单匹配式和模糊匹配式，严格说只能称之为“自动辅导答疑系统”而非“智能辅导答疑系统”）。但是由于这种系统涉及自然语言的段落理解，对于汉语来说，这种理解涉及自动分词、词性分析、句法分析和语义分析等NLP领域的多种复杂技术，所以实现难度很大。迄今为止，在国内的网络教学中还没有一个实用化的、能真正实现汉语段落理解的智能辅导答疑系统。但是在我国有些大学的人工智能实验室或中文信息处理实验室中，已有少数研究人员正在研发这类系统的实验原型。相信在不久的将来，就会有这一类的实用性智能系统问世。这是优质网络课程的重要研究方向之一。现实应用领域机器翻译机器翻译因其效率高、成本低满足了全球各国多语言信息快速翻译的需求。机器翻译属于自然语言信息处理的一个分支，能够将一种自然语言自动生成另一种自然语言又无需人类帮助的计算机系统。目前，谷歌翻译、百度翻译、搜狗翻译等人工智能行业巨头推出的翻译平台逐渐凭借其翻译过程的高效性和准确性占据了翻译行业的主导地位。自动问答传统的搜索引擎技术已经不能满足人们越来越高的需求，而自动问答技术成为了解决这一问题的有效手段。自动问答是指利用计算机自动回答用户所提出的问题以满足用户知识需求的任务，在回答用户问题时，首先要正确理解用户所提出的问题，抽取其中关键的信息，在已有的语料库或者知识库中进行检索、匹配，将获取的答案反馈给用户。打击垃圾邮件当前，垃圾邮件过滤器已成为抵御垃圾邮件问题的第一道防线。不过，有许多人在使用电子邮件时遇到过这些问题：不需要的电子邮件仍然被接收，或者重要的电子邮件被过滤掉。事实上，判断一封邮件是否是垃圾邮件，首先用到的方法是“关键词过滤”，如果邮件存在常见的垃圾邮件关键词，就判定为垃圾邮件。但这种方法效果很不理想，一是正常邮件中也可能有这些关键词，非常容易误判，二是将关键词进行变形，就很容易规避关键词过滤。自然语言处理通过分析邮件中的文本内容，能够相对准确地判断邮件是否为垃圾邮件。目前，贝叶斯(Bayesian)垃圾邮件过滤是备受关注的技术之一，它通过学习大量的垃圾邮件和非垃圾邮件，收集邮件中的特征词生成垃圾词库和非垃圾词库，然后根据这些词库的统计频数计算邮件属于垃圾邮件的概率，以此来进行判定。文本情感分析情感分析作为一种常见的自然语言处理方法的应用，可以让我们能够从大量数据中识别和吸收相关信息，而且还可以理解更深层次的含义。比如，企业分析消费者对产品的反馈信息，或者检测在线评论中的差评信息等。信息提取金融市场中的许多重要决策正日益脱离人类的监督和控制。算法交易正变得越来越流行，这是一种完全由技术控制的金融投资形式。但是，这些财务决策中的许多都受到新闻的影响。因此，自然语言处理的一个主要任务是获取这些明文公告，并以一种可被纳入算法交易决策的格式提取相关信息。例如，公司之间合并的消息可能会对交易决策产生重大影响，将合并细节(包括参与者、收购价格)纳入到交易算法中，这或将带来数百万美元的利润影响。内容参考百度百科

比赛背景 Background同声传译结合了机器翻译（MT）、自动语音识别（ASR）和文本语音合成（TTS）等人工智能技术，在国际会议、商务谈判、新闻发言、法律诉讼和医学交流等众多场景都有广泛的应用，已发展成为一个前沿的研究领域。作为一个新兴的跨学科领域，同声传译未来将面临更多挑战。Simultaneous translation, which performs translation concurrently with the source speech, is widely useful in many scenarios such as international conferences, business negotiations, press releases, legal proceedings and medical communications. It combines the AI technologies of machine translation (MT), automatic speech recognition (ASR) and text-to-speech synthesis (TTS),and is becoming a cutting-edge research field. As an emerging interdisciplinary field, Simultaneous translation will face more challenges in the future.为了促进同声传译的发展，在ACL2020和NAACL2021顶会上，百度领衔并联合Google、Facebook、清华大学、华为等顶尖机构和高校成功地举办了第一届和第二界同声传译研讨会，共邀请到10位主讲嘉宾，吸引了194名注册参与者。研讨会上同期发布的汉英同声翻译竞赛任务，共吸引了525名参赛者。该竞赛任务为参赛者提供了开放数据集：百度语音翻译语料库（BSTC），涵盖了信息技术、经济、文化、生物、艺术等多个领域的专题演讲。In order to promote the development of simultaneous interpretation, Baidu, together with Google, Facebook, Tsinghua University, Huawei and other top institutions and universities, successfully held the first and second automatic simultaneous translation workshop at ACL2020 and NAACL2021, which invited 10 keynote speakers and attracted 194 registered participants. A total of 525 participants participated in the competition. The competition task provides the participants with an open data set: Baidu speech translation corpus (BSTC), which covers the thematic speeches in the fields of information technology, economy, culture, biology, art and so on.为了进一步推动机器同传技术的发展，在NAACL 2022顶会上，汇集了机器翻译、语音处理和人类口译领域的众多研究人员和实践者，共同讨论同声传译的最新进展和当下面临的突出挑战，包括:To further promote the development of simultaneous translation, we will host the 3rd automatic simultaneous translation workshop at NAACL2022, brings together many researchers and practitioners in the field of machine translation, speech processing, and human interpretation to discuss the latest progresses and current challenges, including:· 同声传译范式： 在传统流水线（ASR-MT-TTS）或端到端（语音语音）框架下，如何构建高质量、低延迟的同传系统；· 数据资源： 如何高效运用训练同声翻译系统的大型高质量语料库；· 评价方法： 如何评价翻译质量和如何选取时间延迟指标；· 计算机辅助口译（CAI）： 如何尽快提高人工翻译的效率和质量。· Simultaneous translation paradigms: traditional pipeline (ASR-MT-TTS) or end-to-end (speech-speech);· Data resources: large and high-quality corpora for training simultaneous translation systems.· Evaluation methods: metrics to evaluate the translation quality and time latency;· Computer Aided Interpretation (CAI): improve the efficiency and quality of human interpreters.参赛对象及要求 Participants and Requirements参赛对象 Participants本次竞赛面向全社会开放，不限年龄、身份、国籍，相关领域的个人、高等院校、科研机构、企业单位、初创团队等均可报名参赛。大赛主办单位中有机会提前接触赛题和数据的人员不得参加比赛，其他员工可以参与比赛排名，但不可领取任何奖项。This competition is opened to the whole society, and has no restriction on age, identity and nationality. Individuals, institutions of higher learning, research institutions, enterprises and start-up teams in related fields can register for this competition. Those who have access to the task and data in advance cannot participate in the competition. Other employees can participate in the ranking of the competition but cannot receive any award.参赛要求 Requirements支持以个人或团队形式参赛，每个参赛队伍人数最多不超过5人，允许跨单位自由组队，但每人只能参加一支队伍。Individual or team participation is supported. The maximum number of participants in each team is 5. Cross-unit team is allowed, but each person can only join one team.了解详情：https://aistudio.baidu.com/aistudio/competition/detail/148/0/introduction

设置默认语言用开发者账号登录AppCube平台。选择“管理>用户管理>公司配置>公司信息”，将默认语言设置为“中文”，单击“保存”。如图1所示。图1 设置默认语言选择“管理>系统管理>系统参数”。修改系统参数“DefaultLanguage”。单击参数名称进入系统参数详情页面。单击“值”后面的“”，修改参数默认值。参数默认值为“zh_CN”中文，如果不是请修改为“zh_CN”，单击“保存”。如图2所示。图2 修改默认语言为中文设置是否显示语言切换模块用开发者账号登录AppCube平台。选择“管理>系统管理>系统参数”。修改系统参数“UnifiedPortal_Mainframe_IsAllowSwitchLanguage”。单击参数名称进入系统参数详情页面。单击“值”后面的“”，修改参数默认值。参数默认值为“是”，即需要显示语言切换模块，如果不需要展示请将默认值修改为“否”。单击“保存”。设置为“否”后，如下图中的语言切换模块将不再显示，如图3所示。图3 语言切换模块检查翻译工作台配置切换多语言是需要确保对应的语言在翻译工台中已配置，否则IOC平台语言切换时界面无法显示对应的语言。检查步骤如下：用开发者账号登录AppCube平台。搜索菜单“翻译工作台”，进入翻译工作台配置页面。检查操作栏支持切换的语言开关键是否打开，如图4所示。园区业务目前支持中英文切换，需将中英文开关键都打开。图4 翻译工作台页面

在数字化背景下，算力多样性发展已成为必然。作为多样性计算的典型代表，越来越多的开发者加入鲲鹏产业生态，基于鲲鹏平台进行应用的迁移和开发。在应用软件迁移过程中，存在部分存量现网应用软件只有x86/ARM32版本二进制工具包，且无源码可供移植的问题，导致无法直接在鲲鹏平台上运行。针对这一问题，ExaGear实现“低损耗”、“零成本”的无源码快速迁移，使得Linux x86/ARM32应用无需重新编译即可运行在鲲鹏平台上。ExaGear是什么？ExaGear是华为自主可控的动态二进制翻译软件，在运行时将待迁移Guest应用的x86(32/64-bit)或ARM32指令翻译成ARM64指令，并模拟Guest应用调用的操作系统API，使得Linux x86(32/64-bit)或ARM32的程序可运行在鲲鹏平台上，实现低成本、快速迁移到ARM64服务器。其翻译过程准确、稳定、高效，为当前无源码的商用软件运行于ARM64平台上铺平了最后一公里道路。图1 ExaGear在鲲鹏上翻译运行二进制程序ExaGear有哪些优势？1 一键式快速安装，支持多种部署方式ExaGear的安装和部署过程简单，一键即可完成，安装完成后，进入ExaGear环境，尤如在原生x86环境操作一样。ExaGear始终运行于Linux用户态，不对操作系统的运行产生干扰。以编译技术作为依托，ExaGear基于IR中间表示层做中端优化，既有支持多指令集的前端模块（如x86_32、x86_64、ARM32等），也有支持多指令集的后端模块（如ARM64、RISC-V等）。当前，ExaGear支持CentOS、openEuler、Ubuntu、安卓等主流操作系统，及容器相关的部署。后续版本根据市场需求可以适配更多的操作系统平台。图2 ExaGear的各种部署形态2 代码 “0”修改，最小化业务迁移成本无需改造源码，直接在ExaGear环境中部署x86软件，即可完成迁移，迁移周期短，业务连续性好。翻译过程遵循指令集标准规格以及Linux操作系统调用标准规格进行转换，在最底层完成业务执行，避免软件跨平台源码移植引入的额外bug，整体迁移过程兼容性好，稳定性有保障。3 性能领先，翻译性能极致优化在通用的编译框架基础上，ExaGear采用了“边翻译边执行+二级优化”的策略，在不影响业务流畅度的前提下，利用Guest程序在运行过程中表现出来的热点特征，针对热点执行路径极致优化，从而达到相对纯粹静态编译更优的翻译结果。图3 ExaGear工作流程图通过Benchmark对比评测x86的程序经过ExaGear指令翻译后的性能与原生AArch64的程序性能，当前在二级优化开启的情况下已经达到AArch64 Native的80%+能力，部分测试项甚至超越了原生应用的表现。随着技术的不断演进与优化，HPC等典型场景的性能损耗会进一步压缩。图4 ExaGear性能数据ExaGear主要用于哪些场景？ExaGear解决了用户将原有平台的软件系统迁移到鲲鹏平台时遇到的痛点问题。在迁移过程中，用户业务按重要性差异，往往可分为三类：无源码业务、有源码的非关键业务和有源码的关键业务。行业相关的无源码商业软件。这类软件只有二进制、没有源码，在行业内又有相当的影响力。在这样的场景下，需要ExaGear动态二进制翻译技术保障顺利完成迁移。有源码的非关键业务。使用频率低、对性能不敏感。对于这部分业务，客户就可以利用ExaGear完成动态的二进制翻译，使存量业务应用不需要通过代码移植，就可以直接运行在鲲鹏平台上。这一过程省却了大量的移植或优化源代码所需的人力和时间，而且没有因移植代码而引入额外的稳定性隐患。性能敏感且有源码的关键业务。建议通过手工的代码移植和性能优化完成迁移，达到最优的性能预期。ExaGear利用动态二进制翻译技术，结合动态二进制优化能力，能够稳定支持无源码的x86和ARM32存量业务运行在鲲鹏平台上，并且适于部署的场景广泛，既可以直接部署于操作系统，也可以部署于容器中，甚至是在ExaGear中再部署容器，能够在无源码的情况下屏蔽底层平台差异，低成本解决应用的平滑迁移，释放鲲鹏平台澎湃算力。想了解更多关于ExaGear的产品知识，欢迎各位开发者访问ExaGear产品页，还可以添加如下小助手微信进入Compiler SIG交流群与大家进行互动交流。原文转载自毕昇编译——通过动态二进制翻译快速迁移无源码应用关注 毕昇编译 获取编译技术更多信息

创建者出现为空的情况，是因为使用合并信息映射的字段在创建者参数后，只需要把使用合并信息的字段置后即可。如图：

机器翻译机器翻译因其效率高、成本低满足了全球各国多语言信息快速翻译的需求。机器翻译属于自然语言信息处理的一个分支，能够将一种自然语言自动生成另一种自然语言又无需人类帮助的计算机系统。目前，谷歌翻译、百度翻译、搜狗翻译等人工智能行业巨头推出的翻译平台逐渐凭借其翻译过程的高效性和准确性占据了翻译行业的主导地位。自动问答传统的搜索引擎技术已经不能满足人们越来越高的需求，而自动问答技术成为了解决这一问题的有效手段。自动问答是指利用计算机自动回答用户所提出的问题以满足用户知识需求的任务，在回答用户问题时，首先要正确理解用户所提出的问题，抽取其中关键的信息，在已有的语料库或者知识库中进行检索、匹配，将获取的答案反馈给用户。打击垃圾邮件当前，垃圾邮件过滤器已成为抵御垃圾邮件问题的第一道防线。不过，有许多人在使用电子邮件时遇到过这些问题：不需要的电子邮件仍然被接收，或者重要的电子邮件被过滤掉。事实上，判断一封邮件是否是垃圾邮件，首先用到的方法是“关键词过滤”，如果邮件存在常见的垃圾邮件关键词，就判定为垃圾邮件。但这种方法效果很不理想，一是正常邮件中也可能有这些关键词，非常容易误判，二是将关键词进行变形，就很容易规避关键词过滤。自然语言处理通过分析邮件中的文本内容，能够相对准确地判断邮件是否为垃圾邮件。目前，贝叶斯(Bayesian)垃圾邮件过滤是备受关注的技术之一，它通过学习大量的垃圾邮件和非垃圾邮件，收集邮件中的特征词生成垃圾词库和非垃圾词库，然后根据这些词库的统计频数计算邮件属于垃圾邮件的概率，以此来进行判定。文本情感分析情感分析作为一种常见的自然语言处理方法的应用，可以让我们能够从大量数据中识别和吸收相关信息，而且还可以理解更深层次的含义。比如，企业分析消费者对产品的反馈信息，或者检测在线评论中的差评信息等。信息提取金融市场中的许多重要决策正日益脱离人类的监督和控制。算法交易正变得越来越流行，这是一种完全由技术控制的金融投资形式。但是，这些财务决策中的许多都受到新闻的影响。因此，自然语言处理的一个主要任务是获取这些明文公告，并以一种可被纳入算法交易决策的格式提取相关信息。例如，公司之间合并的消息可能会对交易决策产生重大影响，将合并细节(包括参与者、收购价格)纳入到交易算法中，这或将带来数百万美元的利润影响。

目前想获取选项列表的内容，已使用平台翻译功能对选项列表的选项值进行翻译；在使用 sys.getPickList("id") 和 https://support.huaweicloud.com/api-appcube/appcube_api_0052.html 获取的选项列表，里面都不附带选项值多语言期望： 如何获取带选项值多语言的选项列表

计算机硬件系统是依照冯·诺依曼所设计体系结构，即包括运算器、控制器、存储器、输入设备和输出设备五大部件组成，如图1-2所示。其中运算器和控制器组成中央处理器（CPU）。运算器负责完成算术、逻辑运算功能，通常由ALU（算术/逻辑单元）、寄存器、多路转换器、数据总线组成；控制器则负责依次访问程序指令，进行指令译码，并协调其他设备，通常由程序计数器（PC）、指令寄存器、指令译码器、状态/条件寄存器、时序发生器、微操作信号发生器组成。下面介绍几个主要部件的功能：程序计数器：用于存放下一条指令所在单元的地址的地方。由于大多数指令都是按顺序来执行的，所以修改的过程通常只是简单的对PC加1。当遇到转移指令时，后继指令的地址（即PC的内容）必须从指令寄存器中的地址字段取得。在这种情况下，下一条从内存取出的指令将由转移指令来规定，而不像通常一样按顺序来取得。因此程序计数器的结构是具有寄存信息和计数两种功能的结构。指令寄存器：用来保存当前正在执行的一条指令。当执行一条指令时，先把它从内存取到数据寄存器中，然后再传送至指令寄存器。指令划分为操作码和地址码字段，由二进制数字组成。为了执行任何给定的指令，必须对操作码进行测试，以便识别所要求的操作。指令译码器就是做这项工作的（下一词条将详细介绍其工作过程）。指令寄存器中操作码字段的输出就是指令译码器的输入。操作码一经译码后，即可向操作控制器发出具体操作的特定信号。指令译码器：译码是编码的逆过程，在编码时，每一种二进制代码，都赋予了特定的含义，即都表示了一个确定的信号或者对象。把代码状态的特定含义“翻译”出来的过程叫做译码，实现译码操作的电路称为译码器。或者说，译码器是可以将输入二进制代码的状态翻译成输出信号，以表示其原来含义的电路。

文本翻译　　文本翻译是为了实现语种间的转换。对于用户输入原始语种的文本，转换为目标语种的文本。语种识别　　语种识别是为了识别文本所属的语种。对于用户输入的文本，返回识别出的所属语种。

Pooling，汇聚，而不是“池化”，Pooling在英文中也有汇聚的意思，如 car pool。“池化”没有正确表达出CNN这个操作的意思。Dropout， 暂退， dropout在英文中通常意思是退学、退出。在dropout的原始论文中有“temporarily dropout”的表述，所以建议翻译成“暂时退出”，即暂退。Universal approximation theorem，通用近似定理，而不是“万能近似定理”，借鉴universal Turing machine翻译成通用图灵机这一事实。“万能”不够贴切与优雅。摘自李航博士微博~