最近在看论文，因为论文都是全英文的，所以需要论文查看的软件，在macOS上找到一款很好用的软件叫做知云文献翻译
知云文献翻译界面长这样，可以长段翻译，总之很不错
它的下载地址是：https://www.yuque.com/xtranslator/zy/
使用自己的api有两个好处：
一、更加稳定
二、可以自定义词库，我看的是医疗和机器学习相关的英文文献，可以自定义
api申请先进入api申请官网：https://api.fanyi.baidu.com/
在上方控制台、根据流程申请后
可以在这里看到自己的ID和密钥
填入就可以了
我看的是机器学习的文献，因此在术语库里添加，导入文件（我会把文本放在后面
导入后完成，有部分词语不翻译，比如MNIST这样的专有词语，就会报错，忽略掉就可以了
开启术语库就行了
术语库的资料来源：https://www.aminer.cn/ml_taxonomy
机器学习术语库 Supervised Learning|||监督学习 Unsupervised Learning|||无监督学习 Semi-supervised Learning|||半监督学习 Reinforcement Learning|||强化学习 Active Learning|||主动学习 Online Learning|||在线学习 Transfer Learning|||迁移学习 Automated Machine Learning (AutoML)|||自动机器学习 Representation Learning|||表示学习 Minkowski distance|||闵可夫斯基距离 Gradient Descent|||梯度下降 Stochastic Gradient Descent|||随机梯度下降 Over-fitting|||过拟合 Regularization|||正则化 Cross Validation|||交叉验证 Perceptron|||感知机 Logistic Regression|||逻辑回归 Maximum Likelihood Estimation|||最大似然估计 Newton’s method|||牛顿法 K-Nearest Neighbor|||K近邻法 Mahanalobis Distance|||马氏距离 Decision Tree|||决策树 Naive Bayes Classifier|||朴素贝叶斯分类器 Generalization Error|||泛化误差 PAC Learning|||概率近似正确学习 Empirical Risk Minimization|||经验风险最小化 Growth Function|||成长函数 VC-dimension|||VC维 Structural Risk Minimization|||结构风险最小化 Eigendecomposition|||特征分解 Singular Value Decomposition|||奇异值分解 Moore-Penrose Pseudoinverse|||摩尔－彭若斯广义逆 Marginal Probability|||边缘概率 Conditional Probability|||条件概率 Expectation|||期望 Variance|||方差 Covariance|||协方差 Critical points|||临界点 Support Vector Machine|||支持向量机 Decision Boundary|||决策边界 Convex Set|||凸集 Lagrange Duality|||拉格朗日对偶性 KKT Conditions|||KKT条件 Coordinate ascent|||坐标下降法 Sequential Minimal Optimization (SMO)|||序列最小化优化 Ensemble Learning|||集成学习 Bootstrap Aggregating (Bagging)|||装袋算法 Random Forests|||随机森林 Boosting|||提升方法 Stacking|||堆叠方法 Decision Tree|||决策树 Classification Tree|||分类树 Adaptive Boosting (AdaBoost)|||自适应提升 Decision Stump|||决策树桩 Meta Learning|||元学习 Gradient Descent|||梯度下降 Deep Feedforward Network (DFN)|||深度前向网络 Backpropagation|||反向传播 Activation Function|||激活函数 Multi-layer Perceptron (MLP)|||多层感知机 Perceptron|||感知机 Mean-Squared Error (MSE)|||均方误差 Chain Rule|||链式法则 Logistic Function|||逻辑函数 Hyperbolic Tangent|||双曲正切函数 Rectified Linear Units (ReLU)|||整流线性单元 Residual Neural Networks (ResNet)|||残差神经网络 Regularization|||正则化 Overfitting|||过拟合 Data(set) Augmentation|||数据增强 Parameter Sharing|||参数共享 Ensemble Learning|||集成学习 Dropout||| L2 Regularization|||L2正则化 Taylor Series Approximation|||泰勒级数近似 Taylor Expansion|||泰勒展开 Bayesian Prior|||贝叶斯先验 Bayesian Inference|||贝叶斯推理 Gaussian Prior|||高斯先验 Maximum-a-Posteriori (MAP)|||最大后验 Linear Regression|||线性回归 L1 Regularization|||L1正则化 Constrained Optimization|||约束优化 Lagrange Function|||拉格朗日函数 Denoising Autoencoder|||降噪自动编码器 Label Smoothing|||标签平滑 Eigen Decomposition|||特征分解 Convolutional Neural Networks (CNNs)|||卷积神经网络 Semi-Supervised Learning|||半监督学习 Generative Model|||生成模型 Discriminative Model|||判别模型 Multi-Task Learning|||多任务学习 Bootstrap Aggregating (Bagging)|||装袋算法 Multivariate Normal Distribution|||多元正态分布 Sparse Parametrization|||稀疏参数化 Sparse Representation|||稀疏表示 Student-t Prior|||学生T先验 KL Divergence|||KL散度 Orthogonal Matching Pursuit (OMP)|||正交匹配追踪算法 Adversarial Training|||对抗训练 Matrix Factorization (MF)|||矩阵分解 Root-Mean-Square Error (RMSE)|||均方根误差 Collaborative Filtering (CF)|||协同过滤 Nonnegative Matrix Factorization (NMF)|||非负矩阵分解 Singular Value Decomposition (SVD)|||奇异值分解 Latent Sematic Analysis (LSA)|||潜在语义分析 Bayesian Probabilistic Matrix Factorization (BPMF)|||贝叶斯概率矩阵分解 Wishart Prior|||Wishart先验 Sparse Coding|||稀疏编码 Factorization Machines (FM)|||分解机 second-order method|||二阶方法 cost function|||代价函数 training set|||训练集 objective function|||目标函数 expectation|||期望 data generating distribution|||数据生成分布 empirical risk minimization|||经验风险最小化 generalization error|||泛化误差 empirical risk|||经验风险 overfitting|||过拟合 feasible|||可行 loss function|||损失函数 derivative|||导数 gradient descent|||梯度下降 surrogate loss function|||代理损失函数 early stopping|||提前终止 Hessian matrix|||黑塞矩阵 second derivative|||二阶导数 Taylor series|||泰勒级数 Ill-conditioning|||病态的 critical point|||临界点 local minimum|||局部极小点 local maximum|||局部极大点 saddle point|||鞍点 local minima|||局部极小值 global minimum|||全局最小点 convex function|||凸函数 weight space symmetry|||权重空间对称性 Newton’s method|||牛顿法 activation function|||激活函数 fully-connected networks|||全连接网络 Resnet|||残差神经网络 gradient clipping|||梯度截断 recurrent neural network|||循环神经网络 long-term dependency|||长期依赖 eigen-decomposition|||特征值分解 feedforward network|||前馈网络 vanishing and exploding gradient problem|||梯度消失与爆炸问题 contrastive divergence|||对比散度 validation set|||验证集 stochastic gradient descent|||随机梯度下降 learning rate|||学习速率 momentum|||动量 gradient descent|||梯度下降 poor conditioning|||病态条件 nesterov momentum|||Nesterov 动量 partial derivative|||偏导数 moving average|||移动平均 quadratic function|||二次函数 positive definite|||正定 quasi-newton method|||拟牛顿法 conjugate gradient|||共轭梯度 steepest descent|||最速下降 reparametrization|||重参数化 standard deviation|||标准差 coordinate descent|||坐标下降 skip connection|||跳跃连接 convolutional neural network|||卷积神经网络 convolution|||卷积 pooling|||池化 feedforward neural network|||前馈神经网络 maximum likelihood|||最大似然 back propagation|||反向传播 artificial neural network|||人工神经网络 deep feedforward network|||深度前馈网络 hyperparameter|||超参数 sparse connectivity|||稀疏连接 parameter sharing|||参数共享 receptive field|||接受域 chain rule|||链式法则 tiled convolution|||平铺卷积 object detection|||目标检测 error rate|||错误率 activation function|||激活函数 overfitting|||过拟合 attention mechanism|||注意力机制 transfer learning|||迁移学习 autoencoder|||自编码器 unsupervised learning|||无监督学习 back propagation|||反向传播 pretraining|||预训练 dimensionality reduction|||降维 curse of dimensionality|||维数灾难 feedforward neural network|||前馈神经网络 encoder|||编码器 decoder|||解码器 cross-entropy|||交叉熵 tied weights|||绑定的权重 PCA|||PCA principal component analysis|||主成分分析 singular value decomposition|||奇异值分解 SVD|||SVD singular value|||奇异值 reconstruction error|||重构误差 covariance matrix|||协方差矩阵 Kullback-Leibler (KL) divergence|||KL散度 denoising autoencoder|||去噪自编码器 sparse autoencoder|||稀疏自编码器 contractive autoencoder|||收缩自编码器 conjugate gradient|||共轭梯度 fine-tune|||精调 local optima|||局部最优 posterior distribution|||后验分布 gaussian distribution|||高斯分布 reparametrization|||重参数化 recurrent neural network|||循环神经网络 artificial neural network|||人工神经网络 feedforward neural network|||前馈神经网络 sentiment analysis|||情感分析 machine translation|||机器翻译 pos tagging|||词性标注 teacher forcing|||导师驱动过程 back-propagation through time|||通过时间反向传播 directed graphical model|||有向图模型 speech recognition|||语音识别 question answering|||问答系统 attention mechanism|||注意力机制 vanishing and exploding gradient problem|||梯度消失与爆炸问题 jacobi matrix|||jacobi矩阵 long-term dependency|||长期依赖 clip gradient|||梯度截断 long short-term memory|||长短期记忆 gated recurrent unit|||门控循环单元 hadamard product|||Hadamard乘积 back propagation|||反向传播 attention mechanism|||注意力机制 feedforward network|||前馈网络 named entity recognition|||命名实体识别 Representation Learning|||表征学习 Distributed Representation|||分布式表征 Multi-task Learning|||多任务学习 Multi-Modal Learning|||多模态学习 Semi-supervised Learning|||半监督学习 NLP|||自然语言处理 Neural Language Model|||神经语言模型 Neural Probabilistic Language Model|||神经概率语言模型 RNN|||循环神经网络 Neural Tensor Network|||神经张量网络 Graph Neural Network|||图神经网络 Graph Covolutional Network (GCN)|||图卷积网络 Graph Attention Network|||图注意力网络 Self-attention|||自注意力机制 Feature Learning|||表征学习 Feature Engineering|||特征工程 One-hot Representation|||独热编码 Speech Recognition|||语音识别 DBM|||深度玻尔兹曼机 Zero-shot Learning|||零次学习 Autoencoder|||自编码器 Generative Adversarial Network（GAN）|||生成对抗网络 Approximate Inference|||近似推断 Bag-of-Words Model|||词袋模型 Forward Propagation|||前向传播 Huffman Binary Tree|||霍夫曼二叉树 NNLM|||神经网络语言模型 N-gram|||N元语法 Skip-gram Model|||跳元模型 Negative Sampling|||负采样 CBOW|||连续词袋模型 Knowledge Graph|||知识图谱 Relation Extraction|||关系抽取 Node Embedding|||节点嵌入 Graph Neural Network|||图神经网络 Node Classification|||节点分类 Link Prediction|||链路预测 Community Detection|||社区发现 Isomorphism|||同构 Random Walk|||随机漫步 Spectral Clustering|||谱聚类 Asynchronous Stochastic Gradient Algorithm|||异步随机梯度算法 Negative Sampling|||负采样 Network Embedding|||网络嵌入 Graph Theory|||图论 multiset|||多重集 Perron-Frobenius Theorem|||佩龙—弗罗贝尼乌斯定理 Stationary Distribution|||稳态分布 Matrix Factorization|||矩阵分解 Sparsification|||稀疏化 Singular Value Decomposition|||奇异值分解 Frobenius Norm|||F-范数 Heterogeneous Network|||异构网络 Graph Convolutional Network （GCN）|||图卷积网络 CNN|||卷积神经网络 Semi-Supervised Classification|||半监督分类 Chebyshev polynomial|||切比雪夫多项式 Gradient Exploding|||梯度爆炸 Gradient Vanishing|||梯度消失 Batch Normalization|||批标准化 Neighborhood Aggregation|||邻域聚合 LSTM|||长短期记忆网络 Graph Attention Network|||图注意力网络 Self-attention|||自注意力机制 Rescaling|||再缩放 Attention Mechanism|||注意力机制 Jensen-Shannon Divergence|||JS散度 Cognitive Graph|||认知图谱 Generative Adversarial Network(GAN)|||生成对抗网络 Generative Model|||生成模型 Discriminative Model|||判别模型 Gaussian Mixture Model|||高斯混合模型 Variational Auto-Encoder（VAE）|||变分编码器 Markov Chain|||马尔可夫链 Boltzmann Machine|||玻尔兹曼机 Kullback–Leibler divergence|||KL散度 Vanishing Gradient|||梯度消失 Surrogate Loss|||替代损失 Mode Collapse|||模式崩溃 Earth-Mover/Wasserstein-1 Distance|||搬土距离/EMD Lipschitz Continuity|||利普希茨连续 Feedforward Network|||前馈网络 Minimax Game|||极小极大博弈 Adversarial Learning|||对抗学习 Outlier|||异常值/离群值 Rectified Linear Unit|||线性修正单元 Logistic Regression|||逻辑回归 Softmax Regression|||Softmax回归 SVM|||支持向量机 Decision Tree|||决策树 Nearest Neighbors|||最近邻 White-box|||白盒（测试 etc. ） Lagrange Multiplier|||拉格朗日乘子 Black-box|||黑盒（测试 etc. ） Robustness|||鲁棒性/稳健性 Decision Boundary|||决策边界 Non-differentiability|||不可微 Intra-technique Transferability|||相同技术迁移能力 Cross-technique Transferability|||不同技术迁移能力 Data Augmentation|||数据增强 Adaboost||| recommender system|||推荐系统 Probability matching|||概率匹配 minimax regret||| face detection|||人脸检测 i.i.d.|||独立同分布 Minimax|||极大极小 linear model|||线性模型 Thompson Sampling|||汤普森抽样 eigenvalues|||特征值 optimization problem|||优化问题 greedy algorithm|||贪心算法 Dynamic Programming|||动态规划 lookup table|||查找表 Bellman equation|||贝尔曼方程 discount factor|||折现系数 Reinforcement Learning|||强化学习 gradient theorem|||梯度定理 stochastic gradient descent|||随机梯度下降法 Monte Carlo|||蒙特卡罗方法 function approximation|||函数逼近 Markov Decision Process|||马尔可夫决策过程 Bootstrapping|||引导 Shortest Path Problem|||最短路径问题 expected return|||预期回报 Q-Learning|||Q学习 temporal-difference learning|||时间差分学习 AlphaZero||| Backgammon|||西洋双陆棋 finite set|||有限集 Markov property|||马尔可夫性质 sample complexity|||样本复杂性 Cartesian product|||笛卡儿积 Kevin Leyton-Brown||| SVM|||支持向量机 MNIST||| ImageNet||| Ensemble learning|||集成学习 Neural networks|||神经网络 Neuroevolution|||神经演化 object recognition|||目标识别 Multi-task learning|||多任务学习 Treebank|||树图资料库 covariance|||协方差 Hamiltonian Monte Carlo|||哈密顿蒙特卡罗 Inductive bias|||归纳偏置 bilevel optimization|||双层规划 genetic algorithms|||遗传算法 Bayesian linear regression|||贝叶斯线性回归 ANOVA|||方差分析 Extrapolation|||外推法 activation function|||激活函数 CIFAR-10||| Gaussian Process|||高斯过程 k-nearest neighbors|||K最近邻 Neural Turing machine|||神经图灵机 MCMC|||马尔可夫链蒙特卡罗 Collaborative filtering|||协同过滤 AlphaGo||| random forests|||随机森林 multivariate Gaussian|||多元高斯 Bayesian Optimization|||贝叶斯优化 meta-learning|||元学习 iterative algorithm|||迭代算法 Viterbi algorithm|||维特比算法 Gibbs distribution|||吉布斯分布 Discriminative model|||判别模型 Maximum Entropy Markov Model|||最大熵马尔可夫模型 Information Extraction|||信息提取 clique|||小圈子 conditional random field|||条件随机场 CRF|||条件随机场 triad|||三元关系 Naïve Bayes|||朴素贝叶斯 social network|||社交网络 Bayesian network|||贝叶斯网络 SVM|||支持向量机 Joint probability distribution|||联合概率分布 Conditional independence|||条件独立性 sequence analysis|||序列分析 Perceptron|||感知器 Markov Blanket|||马尔科夫毯 Hidden Markov Model|||隐马尔可夫模型 finite-state|||有限状态 Shallow parsing|||浅层分析 Active learning|||主动学习 Speech recognition|||语音识别 convex|||凸 transition matrix|||转移矩阵 factor graph|||因子图 forward-backward algorithm|||前向后向算法 parsing|||语法分析 structural holes|||结构洞 graphical model|||图模型 Markov Random Field|||马尔可夫随机场 Social balance theory|||社会平衡理论 Generative model|||生成模型 probalistic topic model|||概率语义模型 TFIDF|||词频-文本逆向频率 LSI|||潜在语义索引 Bayesian network|||贝叶斯网络模型 Markov random field|||马尔科夫随机场 restricted boltzmann machine|||限制玻尔兹曼机 LDA|||隐式狄利克雷分配模型 PLSI|||概率潜在语义索引模型 EM algorithm|||最大期望算法 Gibbs sampling|||吉布斯采样法 MAP (Maximum A Posteriori)|||最大后验概率算法 Markov Chain Monte Carlo|||马尔科夫链式蒙特卡洛算法 Monte Carlo Sampling|||蒙特卡洛采样法 Univariate|||单变量 Hoeffding Bound|||Hoeffding界 Chernoff Bound|||Chernoff界 Importance Sampling|||加权采样法 invariant distribution|||不动点分布 Metropolis-Hastings algorithm|||Metropolis-Hastings算法 Probablistic Inference|||概率推断 Variational Inference|||变量式推断 HMM|||隐式马尔科夫模型 mean field|||平均场理论 mixture model|||混合模型 convex duality|||凸对偶 belief propagation|||置信传播算法 non-parametric model|||非参模型 Gaussian process|||正态过程 multivariate Gaussian distribution|||多元正态分布 Dirichlet process|||狄利克雷过程 stick breaking process|||断棒过程 Chinese restaurant process|||中餐馆过程 Blackwell-MacQueen Urn Scheme|||Blackwell-MacQueen桶法 De Finetti\'s theorem|||de Finetti定理 collapsed Gibbs sampling|||下陷吉布斯采样法 Hierarchical Dirichlet process|||阶梯式狄利克雷过程 Indian Buffet process|||印度餐馆过程