Django 官方教程翻译项目
进阶内容:编写可重用的应用 接下来如何学习? 编写你的第一个 Django 补丁 - 1 - 本文档使用 书栈(BookStack.CN) 构建 致谢 当前文档 《Django 官方教程翻译项目》 由 进击的皇虫 使用 书栈(BookStack.CN) 进行 构建,生成于 2018-05-25。 书栈(BookStack.CN) 仅提供文档编写、整理、归类等功能,以及对文档内容的生成和导出工 Django-intro-zh Django 官方教程翻译项目 目前版本:1.11 官方文档目录 中文版文档 翻译进度 我也想一起翻译 这个项目的目的是将 Django 官方教程的 intro 部分 翻译成中文版。 起因是在看完 Django Book 之后觉得有点过时,随后看了官方文档,还是觉得官方文档写的比较 通俗易懂。为了方便更多想要学习 Django 的人(顺便翻译一遍也能更深入的理解文档),就有了 了 这个项目。 这一项目离不开辛勤帮助翻译的小伙伴们,没有他们这个项目也无法完成。 特别感谢 @Zoctan,将翻译版本从 1.8 升级到了 1.11(pr),跟上了 Django 的发展。 官方文档 在此。 以下是官方文档的目录: Django at a glance Quick install guide Writing your first Django app, part 10 码力 | 103 页 | 1.86 MB | 1 年前3Hello 算法 1.0.0b1 Python版
2.2. 行文风格约定 标题后标注 * 的是选读章节,内容相对较难。如果你的时间有限,建议可以先跳过。 文章中的重要名词会用「括号」 标注,例如「数组 Array」 。建议记住这些名词,包括英文翻译,以便后续阅 读文献时使用。 重点内容、总起句、总结句会被 加粗,此类文字值得特别关注。 专有名词和有特指含义的词句会使用“双引号” 标注,以避免歧义。 0. 写在前面 hello‑algo 图片无法直接修改,需要通过新建 Issue 或评论留言来描述图片问题,我会第一时间重新画图并替换图片。 12.2.2. 内容创作 如果您想要参与本开源项目,包括翻译代码至其他编程语言、拓展文章内容等,那么需要实施 Pull Request 工作流程: 1. 登录 GitHub ,并 Fork 本仓库 至个人账号; 2. 进入 Fork 仓库网页,使用 git clone 克隆该仓库至本地; 30 码力 | 178 页 | 14.67 MB | 1 年前3Hello 算法 1.0.0b2 Python版
2.2. 行文风格约定 标题后标注 * 的是选读章节,内容相对较难。如果你的时间有限,建议可以先跳过。 文章中的重要名词会用「括号」 标注,例如「数组 Array」 。建议记住这些名词,包括英文翻译,以便后续阅 读文献时使用。 重点内容、总起句、总结句会被 加粗,此类文字值得特别关注。 专有名词和有特指含义的词句会使用“双引号” 标注,以避免歧义。 0. 写在前面 hello‑algo 图片无法直接修改,需要通过新建 Issue 或评论留言来描述图片问题,我会第一时间重新画图并替换图片。 12.2.2. 内容创作 如果您想要参与本开源项目,包括翻译代码至其他编程语言、拓展文章内容等,那么需要实施 Pull Request 工作流程: 1. 登录 GitHub ,并 Fork 本仓库 至个人账号; 2. 进入 Fork 仓库网页,使用 git clone 克隆该仓库至本地; 30 码力 | 186 页 | 15.69 MB | 1 年前3Hello 算法 1.0.0b4 Python版
行文风格约定 ‧ 标题后标注 * 的是选读章节,内容相对困难。如果你的时间有限,建议可以先跳过。 ‧ 文章中的重要名词会用「」 括号标注,例如「数组 Array」 。请务必记住这些名词,包括英文翻译,以 便后续阅读文献时使用。 ‧ 加粗的文字 表示重点内容或总结性语句,这类文字值得特别关注。 ‧ 专有名词和有特指含义的词句会使用“双引号” 标注,以避免歧义。 ‧ 涉及到编程语言之间不一致的名词,本书均以 由于图片无法直接修改,因此需要通过新建 Issue 或评论留言来描述问题,我们会尽快重新绘制并替换图 片。 16.2.2. 内容创作 如果您有兴趣参与此开源项目,包括将代码翻译成其他编程语言、扩展文章内容等,那么需要实施 Pull Request 工作流程: 1. 登录 GitHub ,将本仓库 Fork 到个人账号下。 2. 进入您的 Fork 仓库网页,使用 git clone 命令将仓库克隆至本地。0 码力 | 329 页 | 27.34 MB | 1 年前3Hello 算法 1.0.0b5 Python版
1 行文风格约定 ‧ 标题后标注 * 的是选读章节,内容相对困难。如果你的时间有限,建议可以先跳过。 ‧ 专有名词和有特指含义的词句会使用“双引号” 标注,以避免歧义。 ‧ 重要专有名词及其英文翻译会用「」 括号标注,例如「数组 array」 。建议记住它们,以便阅读文献。 ‧ 加粗的文字 表示重点内容或总结性语句,这类文字值得特别关注。 ‧ 当涉及到编程语言之间不一致的名词时,本书均以 Python 图片无法直接修改,需要通过新建 Issue 或评论留言来描述问题,我们会尽快重新绘制并替换图片。 2. 内容创作 如果您有兴趣参与此开源项目,包括将代码翻译成其他编程语言、扩展文章内容等,那么需要实施以下 Pull Request 工作流程。 1. 登录 GitHub ,将本仓库 Fork 到个人账号下。 2. 进入您的 Fork 仓库网页,使用 git clone 命令将仓库克隆至本地。0 码力 | 361 页 | 30.64 MB | 1 年前3Hello 算法 1.0.0 Python版
如何使用本书 � 为了获得最佳的阅读体验,建议你通读本节内容。 0.2.1 行文风格约定 ‧ 标题后标注 * 的是选读章节,内容相对困难。如果你的时间有限,可以先跳过。 ‧ 重要专有名词及其英文翻译会用「」 括号标注,例如「数组 array」 。建议记住它们,以便阅读文献。 ‧ 专有名词和有特指含义的词句会使用“引号” 标注,以避免歧义。 ‧ 重要名词、重点内容和总结性语句会 加粗,这类文字值得特别关注。 图片无法直接修改,需要通过新建 Issue 或评论留言来描述问题,我们会尽快重新绘制并替换图片。 2. 内容创作 如果您有兴趣参与此开源项目,包括将代码翻译成其他编程语言、扩展文章内容等,那么需要实施以下 Pull Request 工作流程。 1. 登录 GitHub ,将本书的代码仓库 Fork 到个人账号下。 2. 进入您的 Fork 仓库网页,使用 git clone 命令将仓库克隆至本地。0 码力 | 362 页 | 17.54 MB | 1 年前33 Thautwarm 解放python的表达力 性能和安全性 语法和语义扩展 JIT 静态检查
如果你拿到了,那么你做了“脏”的操作(inspect库)。 我个人不能接受编译好的程序在运行时还要求源代码存在。 同时有一个叫bytecode的库,解决了一些使用字节码的难题。 字节码长相如何? 演示 先把Python字节码翻译到一个精简版本, 便于分析 指令集这么大时准备追x86汇编了? 指令集减小到15以内 混合IR tmp = Call(x, (1, 2)) Python字节码 LOAD_FAST 栈机的Jump指令,导致翻译到寄存器语义不简单呐。 为何不最直接翻译成寄存器语义? Push a Push b Push c A: Jump B if true Push d B: Pop to e e = ? 注意, 万一有别的地方跳回A. 注意, Python有个万恶的Jump Push if True, 也就是 跳转不消耗栈顶元素。这个分析起来心累。 那可不可以不翻译? 可以。0 码力 | 43 页 | 10.71 MB | 1 年前3Hello 算法 1.1.0 Python版
图片无法直接修改,需要通过新建 Issue 或评论留言来描述问题,我们会尽快重新绘制并替换图片。 2. 内容创作 如果您有兴趣参与此开源项目,包括将代码翻译成其他编程语言、扩展文章内容等,那么需要实施以下 Pull Request 工作流程。 1. 登录 GitHub ,将本书的代码仓库 Fork 到个人账号下。 2. 进入您的 Fork 仓库网页,使用 git clone 命令将仓库克隆至本地。0 码力 | 364 页 | 18.42 MB | 1 年前31 藤井美娜 Python的NLP实战分享 如何实现合同风险预测模型
#################################################### | section3 ROUGE RIBES word2vec TF-IDF 机器翻译的手法 神经网络 向量化的典型手法 $ from RIBES import RIBESevaluator $ ribes = RIBESevaluator() $ score = ribes.eval([target] rouge = RougeCalculator(lang=‘<填en/ja/zh>’) $ Rouge_L score = rouge.rouge_l(target, references) 机器翻译的手法 $ from gensim.models import word2vec $ model = word2vec.Word2Vec(input_data, size=<..>, min_count=<0 码力 | 36 页 | 3.95 MB | 1 年前33 Python的NLP实战分享 如何实现合同风险预测模型 藤井美娜
#################################################### | section3 ROUGE RIBES word2vec TF-IDF 机器翻译的手法 神经网络 向量化的典型手法 $ from RIBES import RIBESevaluator $ ribes = RIBESevaluator() $ score = ribes.eval([target] rouge = RougeCalculator(lang=‘<填en/ja/zh>’) $ Rouge_L score = rouge.rouge_l(target, references) 机器翻译的手法 $ from gensim.models import word2vec $ model = word2vec.Word2Vec(input_data, size=<..>, min_count=<0 码力 | 33 页 | 1.67 MB | 1 年前3
共 107 条
- 1
- 2
- 3
- 4
- 5
- 6
- 11