2. 程式人生 > >java API文件翻譯

java API文件翻譯

阿新 • • 發佈：2019-01-07
 概述  軟體包  類  使用  樹  已過時  索引  幫助 
JavaTM 2 Platform
Standard Ed. 6
 上一個   下一個 框架    無框架    所有類

JavaTM 2 Platform Standard Edition 6
API 規範

本文件是 Java 2 Platform Standard Edition 6.0 的 API 規範。

請參見： 
          描述

本文件是 Java 2 Platform Standard Edition 6.0 的 API 規範。

 概述  軟體包  類  使用  樹  已過時
 		 索引  幫助 
JavaTM 2 Platform
Standard Ed. 6
 上一個   下一個 框架    無框架    所有類
提交錯誤或意見
有關更多的 API 參考資料和開發人員文件，請參閱 Java 2 SDK SE 開發人員文件。該文件包含更詳細的、面向開發人員的描述，以及總體概述、術語定義、使用技巧和工作程式碼示例。

版權所有 2004 Sun Microsystems, Inc. 保留所有權利。 請遵守許可證條款。另請參閱文件重新分發政策。

相關推薦

java API文件翻譯

 概述  軟體包  類  使用  樹  已過時  索引  幫助  JavaTM 2 Platform Standard Ed. 6  上一個   下一個 框架    無框架    所有類 JavaTM 2 Platform Standard Edition

RabbitMQ開發庫的完整API文件(翻譯)

背景 譯文連結 我的譯文 概述 Connections and Channels 連線到一個代理 使用 Exchanges and Queues佇列 釋出訊息Publish

CNTK API文件翻譯(19)——藝術風格轉變

本教程展示瞭如何將一張圖片的風格轉換成另外一種。這讓我們可以將一張原始照片渲染成世界名畫的風格。 與建立一個好看的圖片不同，在本教程中你講學習如何在CNTK中載入一個已經訓練好的VGG模型，如何基於輸入變數獲取對應的梯度，以及如何在不使用CNTK的時候使用梯度

CNTK API文件翻譯(9)——使用自編碼器壓縮MNIST資料

在本期教程之前需要先完成第四期教程。 介紹 本教程介紹自編碼器的基礎。自編碼器是一種用於高效編碼的無監督學習人工神經網路，換句話說，自編碼器用於通過機器學習學來的演算法而不是人寫的演算法進行有損資料壓縮。由此而來，使用自編碼器編碼的目的是訓練出一套資料表

CNTK API文件翻譯(17)——多對多神經網路處理文字資料（1）

（本期教程需要翻譯的內容實在是太多了，將其分割成兩期，本期主要講理論和模型建立，下期主要講訓練、測試、優化等） 背景和簡介 本教程將帶你過一遍多對多神經網路基礎，以及如何在CNTK中實現它。具體來說，我們將實現一個多對多模型用來實現字音轉換。我們首先會介

CNTK API文件翻譯(25)——後記

這篇不是翻譯，是我自己寫的後記，CNTK API文件翻系列譯完結。 CNTK是微軟的一個深度學習套件，他的存在主要是可以讓開發人員不用知道里面的各種演算法的細節，就能使用訓練深度神經網路模型。他提供了已經封裝好的元件來給我們使用：你不需要知道隨機梯度下降下降演

CNTK API文件翻譯(18)——多對多神經網路處理文字資料（2）

（本期教程需要翻譯的內容實在是太多了，將其分割成兩期，上期主要講理論和模型建立，本期主要講訓練、測試、優化等） 訓練 在我們開始訓練之前，我們將定義訓練封裝器、貪婪解碼封裝器以及用於訓練模型的準則函式。首先是訓練封裝器。 def create_mo

CNTK API文件翻譯(23)——使用CTC標準訓練聲學模型

本教程假定所有讀者都完成了前10期教程，並且對聲學建模的資料形式有基礎的瞭解。本教程介紹了CNTK種可以用於訓練以CTC（Connectionist Temporal Classification）訓練準則為例的語音識別深度神經網路的模組。 介紹 CNT

CNTK API文件翻譯(20)——GAN處理MSIST資料基礎

完成本期教程需要完成本系列的第四篇教程。 介紹 生成模型在深度學習的半監督或者非監督學習領域引起了廣泛的專注，這些領域傳統上都是使用判別模型的。生成模型的思想是線收集某個研究領域巨量的資料，然後訓練得到一個可以生成這樣的資料集的模型。這是一個需要大量訓練

CNTK API文件翻譯(3)——前饋神經網路

這個教程的目的是為了讓你熟悉使用CNTK元件來進行分類任務，如果你看了本系列的邏輯迴歸部分或者熟悉機器學習，可以跳過介紹部分。 介紹（見上期，本期略） 前饋神經網路模型 本次使用的資料集和上期邏輯迴歸教程使用的資料集一樣，不過這期的模型會結合多個邏

JAVA API文件，可以直接進行API搜尋

原文出處: Java Doc 作者: Jet Mah from Java堂 宣告: 可以非商業性任意轉載, 轉載時請務必以超連結形式標明文章原始出處、作者資訊及此宣告！ 下載 歡迎提供其他下載地址並請告知我們，謝謝！ JDK1.5 本地下載 (請使用下載軟體下載，不要使用IE直接下載！ ) JDK

Django Rest 與 React(Django2.1 + coverage測試 + xadmin + 線上api文件)-翻譯實踐強化版

原文: www.valentinog.com/blog/tutori… 翻譯版實踐教程: Django Rest 與 React(Django2.1 加 一點小測試 加一點譯者的小額外功能) 最終構建了一個有後臺管理 + 提供api服務 + Mysql資料庫 + 線上api文件的Lead系統。

CNTK API文件翻譯(8)——使用Pandas和金融資料進行時序資料基本分析

本期將帶來使用CNTK處理時間序列資料的教程。本教程中會展示怎樣為深度學習演算法準備時間資料、訓練神經網路和評估神經網路。具體來說，我們會探究預測交易性開放式指數基金（Exchange-traded Funds,EFI）的分類是否靠譜，進而通過這種簡單的分類來決

CNTK API文件翻譯(10)——使用LSTM預測時間序列資料

本篇教程展示如何用CNTK構建LSTM來進行時間序列資料的數值預測。 目標 我們使用一個連續函式的模擬資料集（本例使用正弦曲線）。對於函式y=sin(t)，我們使用符合這個函式的N個值來預測之後的M個值。 在本教程中我們將使用基於LSTM的模型。L

CNTK API文件翻譯(2)——邏輯迴歸

這篇教程的目標人群是機器學習和CNTK的新手。在這篇教程中，你將訓練一個簡單但是強大的機器學習模型，這個模型被廣泛用於各個行業的應用中。這個訓練可以使用CNTK庫，通過擴充計算資源（CPU、GPU）來推廣到大量的資料集。 介紹 問題： 一個腫瘤醫院提供了

CNTK API文件翻譯(11)——使用LSTM預測時間序列資料（物聯網資料）

在上一期我們開發了一個簡單的LSTM神經網路來預測時序資料的值。在本期我們要把這模型用在真實世界的物聯網資料上。作為示例，我們會根據之前幾天觀測到的資料預測太陽能電池板的日產電量。 太陽能發電量預測是一個重要且艱難的問題。太陽能產電量的預測還與天氣預測密切相關

CNTK API文件翻譯(15)——自然語言理解

本教程展示瞭如何實現一個遞迴神經網路來處理文字，為航空出行資訊服務（ATIS）資料提供分詞標記任務（將不同的詞分到各自的類中，分類由訓練資料集提供）。我們從文字線型降維開始，然後訓練和使用LSTM神經網路。這將被擴充套件到相鄰的單詞並且雙向執行。最後我們將完成一

java api文件離線查詢器

寫java程式的時候，經常要到官網（http://docs.oracle.com/javase/8/docs/api/index.html）查文件，用著用著感覺有時有些不方便: 1.java官網有時登不上去 2.沒有搜尋查詢功能 所以針對

CNTK API文件翻譯(12)——CNTK進階

這篇教程展示了CNTK中一些比較高階的特性，目標讀者是完成了之前教程或者是使用過其他機器學習元件的人。如果你是完完全全的新手，請先看我們之前的十多期教程。 歡迎來到CNTK。深度神經網路正在重新定義計算機程式設計。在指令式程式設計、函式式變成和申明式變成之外，

Burpsuite API 文件 python & java

https://www.cloud.tencent.com/developer/article/1166490 自己想寫個外掛，找了一下午愣是沒找到python稍微詳細點的文件 直接看別人的程式碼借鑑，又是感覺這裡或者那裡迷迷糊糊的 跟朋友打了幾把LOL，又找了一圈，發現這篇還挺良心的，