如何把为知笔记转为简单的html元素?

为知笔记的表格样式一般 每个cell都写属性,非常冗余。如何转为简单样式?

方式一:html去除所有样式,又在线工具

方式二:

word转为html的几种方式

  • word另存为html
  • 拷贝并粘贴到ckeditor
  • 利用Adobe Dreamweaver转换(可去除很多无用的标签)

keeppassx竟然不开放github issue,只开放pull issue。太不爽。

能export csv,竟然不能import csv。

keeppassx VS keeppass

https://superuser.com/questions/878902/whats-the-difference-between-keepass-and-keepassx

keeppassx的存在,是为了作为linux客户端,仍然采用的keepass核心。

keeppass界面和功能更齐全。

keeppassx是山寨,import功能很弱,不支持csv等很多格式。界面也很弱。已经没有存在的意义了。

【机器翻译】Dual Learning 对偶学习

利用翻译问题的对偶性(duality),使模型能够从源语言到目标语言(Source to Target)和从目标语言到源语言(Target to Source)这两个方向的翻译中学习。
同时,这让我们能同时从有监督和无监督的源数据和目标数据中学习。具体而言,我们利用通用的对偶学习(dual learning)方法,并引入联合训练(Joint Training)算法,通过在一个统一的框架中反复提高从源语言到目标语言翻译和从目标语言到源语言翻译的模型,从而增强单语源和目标数据的效果。

如何对偶学习

https://blog.csdn.net/cassiePython/article/details/74929801

这篇讲的也挺不错

横向对比

对偶学习 VS 回译

回译(Back-translation)

双语料

  • 英中翻译 zh = f(en) min loss(zh, f(en))

单语料

  • 对偶学习: min loss(zh, f(g(zh)))
  • 回译: min loss(zh, f(en)) 其中en=g(zh),即回译
    loss=CE

区别,对偶学习同时学 f,g。BT只学f

对偶学习 VS autoencoder

对偶学习 VS 强化学习

对偶学习 VS GAN

扩展阅读

  • Di He, Yingce Xia, Tao Qin, Liwei Wang, Nenghai Yu, Tie-Yan Liu, and Wei-Ying Ma, Dual Learning for Machine Translation, NIPS 2016.