tensorflow

使用原神头像数据集进行1000步训练后得到 基础模型为 DCT-Net人像卡通化 Clone with HTTP git clone https://www.modelscope.cn/nidhog

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202

交互式机器翻译模型介绍 交互式机器翻译（Interactive Machine Translation）的输入为源文和译文前缀，输出为后续的译文，可以提高后续译文的翻译质量。当输入译文前缀的最后一个词

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

English  |   中文 Building the Next Generation of Open-Source and

DCT-Net人像卡通化模型-素描风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成素描风格虚拟形象，返回风格化后的结果图像。 其生成效果如下所示： 模型描述 该任务采用一种全

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

git clone https://www.modelscope.cn/lskhh/ty_cv_unet_person-image-cartoon-wz_compound-models.git 进度

英德翻译自动译后编辑模型 用于机器翻译的自动译后编辑，可根据原文对翻译结果进行进一步修正，获取更好的翻译效果，该模型的ensemble系统（MinD）获WMT2020机器翻译大赛自动译后编辑任务 英德

语种识别简介 语种识别（又称为语言识别）是指利用计算机自动判断文本所属语言种类的过程。据统计，全世界已查明的语言数量为7099种，而中国的56个民族就有80多种语言和地区方言。随着全球国际化和互联网化

当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。 您可以通过如下git clone命令，或者ModelScope SDK来下载模型 SDK下载 #安装ModelS

该模型当前使用的是默认介绍模版，处于“预发布”阶段，页面仅限所有者可见。 请根据模型贡献文档说明，及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 作者昵称：Pro

交互式机器翻译模型介绍 交互式机器翻译（Interactive Machine Translation）的输入为源文和译文前缀，输出为后续的译文，可以提高后续译文的翻译质量。当输入译文前缀的最后一个词

原始模型：damo/cvunetperson-image-cartoon_compound-models 数据集：menyifang/dctnettrainclipartminims 8999个epo

DCT-Net人像卡通化模型 -原神风 模型创建说明 模型是根据DCT-Net人像卡通化模型进行的二次训练 DCT-Net人像卡通化-原神头像 版本说明 max_steps建议设置为300000

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202

人像卡通化模型-白化手绘效果 输入一张人物图像，实现端到端全图卡通化转换，生成手绘风格虚拟形象，返回风格化后的结果图像。 原图效果如下所示： 其生成效果如下所示： 模型描述 该任务采用一种全新的域