2016AI巨头开源IP盘点 50个最常用的深度学习库
Data Science Central网站主编、有多年数据科学和商业分析模型从业经验的Bill Vorhies曾撰文指出,过去一年人工智能和深度学习最重要的发展不在技术,而是商业模式的转变——所有巨头纷纷将其深度学习IP开源。 毋庸置疑,“开源浪潮”是2016年人工智能领域不可忽视的一大趋势,而其中最受欢迎的项目则是谷歌的深度学习平台TensorFlow。下文就从TensorFlow说起,盘点2016年AI开源项目,最后统计了Github最常用深度学习开源项目Top 50。
谷歌开源:围绕TensorFlow打造深度学习生态圈
1.Google第二代深度学习引擎TensorFlow开源
2015年11月,谷歌开源深度学习平台TensorFlow。2016年4月,谷歌推出了分布式TensorFlow。现在,TensorFlow已经成为业内最受欢迎的深度学习平台之一。
2.谷歌开源全球最精准语言解析器SnytaxNet
日,Google Research宣布,世界准确度最高的自然语言解析器SyntaxNet开源。谷歌开源再进一步。据介绍,谷歌在该平台上训练的模型的语言理解准确率超过90%。SyntaxNet是一个在TensoFlow中运行的开源神经网络框架,提供自然语言理解系统基础。谷歌公开了所有用用户自己的数据训练新SyntaxNet模型所需要的代码,以及谷歌已经训练好的,可用于分析英语文本的模型Paesey McParseface。
Paesey McParseface建立于强大的机器学习算法,可以学会分析句子的语言结构,能解释特定句子中每一个词的功能。此类模型中,Paesey McParseface是世界上最精确的,谷歌希望它能帮助对自动提取信息、翻译和其他自然语言理解(NLU)中的应用感兴趣的研究者和开发者。
3.谷歌推出Deep&Ｗide Learning,开源深度学习API
日,谷歌推出Wide & Deep Learning,并将TensorFlow API开源,欢迎开发者使用这款最新的工具。同时开源的还有对Wide & Deep Learning的实现,作为TF.Learn应用程序接口的一部分,让开发者也能自己训练模型。
4.谷歌开源TensorFlow自动文本摘要生成模型
日,谷歌开源了TensorFlow中用于文本信息提取并自动生成摘要的模型,尤其擅长长文本处理,这对自动处理海量信息十分有用。自动文本摘要最典型的例子便是新闻报道的标题自动生成,为了做好摘要,机器学习模型需要能够理解文档、提取重要信息,这些任务对于计算机来说都是极具挑战的,特别是在文档长度增加的情况下。
5.谷歌开源图像分类工具TF-Slim,定义TensorFlow复杂模型
日,谷歌宣布开源TensorFlow高级软件包TF-Slim,能使用户快速准确地定义复杂模型,尤其是图像分类任务。自发布以来,TF-Slim已经得到长足发展,无论是网络层、代价函数,还是评估标准,都增加了很多类型,训练和评估模型也有了很多便利的常规操作手段。这些手段使你在并行读取数据或者在多台机器上部署模型等大规模运行时,不必为细节操心。此外,谷歌研究员还制作了TF-Slim图像模型库,为很多广泛使用的图像分类模型提供了定义以及训练脚本,这些都是使用标准的数据库写就的。TF-Slim及其组成部分都已经在谷歌内部得到广泛的使用,很多升级也都整合进了tf.contrib.slim。
6.谷歌开源大规模数据库,10亿+数据,探索RNN极限
日,谷歌宣布开源大规模语言建模模型库,这项名为“探索RNN极限”的研究今年2月发表时就引发激论,如今姗姗来迟的开源更加引人瞩目。研究测试取得了极好的成绩,另外开源的数据库含有大约10亿英语单词,词汇有80万,大部分是新闻数据。这是典型的产业研究,只有在谷歌这样的大公司才做得出来。这次开源也应该会像作者希望的那样,在机器翻译、语音识别等领域起到推进作用。
7.谷歌开源TensorFlow图说生成模型,可真正理解图像
日,谷歌宣布开源图说生成系统Show and Tell最新版在TensorFlow上的模型。该系统采用编码器-解码器神经网络架构,分类准确率达93.9%,在遇到全新的场景时能够生成准确的新图说。谷歌表示,这说明该系统能够真正理解图像。
8.谷歌开源超大数据库,含800万+视频
日,谷歌在官方博客上宣布,将含有800万个Youtube视频URL的视频数据库开源,视频总时长达到了50万个小时。一并发布的还有从包含了4800个知识图谱分类数据集中提取的视频级别标签。这一数据库在规模和覆盖的种类上都比现有的视频数据库有显著提升。例如,较为著名的Sports-1M数据库,就只由100万个Youtube视频和500个运动类目。谷歌官方博客上说,在视频的数量和种类上,Youtube-8M代表的是几乎指数级的增长。
9.谷歌发布Open Images图片数据集,包含900万标注图片
日,继前天发布800万视频数据集之后,谷歌又发布了图片数据库Open Images,包含了900万标注数据,标签种类超过6000种。谷歌在官方博客中写到,这比只拥有1000个分类的ImageNet更加贴近实际生活。对于想要从零开始训练计算机视觉模型的人来说,这些数据远远足够了。就在12月,谷歌还开源了Open Images并行下载工具的脚本,5天速度最高超过200 M。
10.DeepMind开源AI核心平台DeepMind Lab(附论文)
日,DeepMind宣布将其AI核心平台DeepMind Lab开源。DeepMind实验室把全部代码上传至Github,供研究人员和开发者进行实验和研究。DeepMind Lab这一平台将几个不同的AI研究领域整合至一个环境下,方便研究人员测试AI智能体导航、记忆和3D成像等能力。值得一提的是,这些代码也包括AlphaGO的代码,谷歌希望以此增加AI能力的开放性,让更多开发者参与AI研究,观察其他开发者是否能够挑战并打破DeepMind现在的纪录。
Facebook开源:贯彻理念
1.Facebook开源围棋引擎DarkForest
6个月前,Facebook将其围棋引擎DarkForest开源。现在训练代码已经全部发布。Github链接:https://github.com/facebookresearch/darkforestGo。
2.Facebook开源文本分类工具fastText,不用深度学习也可以又快又准
日,Facebook AI实验室(FAIR)宣布开源文本分析工具fastText。fastText既可以用于文本分类,又能用于学习词汇向量表征。在文本分类的准确率上与一些常用的深度学习工具不相上下,但是在时间上却快很多——模型训练时间从几天减少到几秒。除了文本分类,fastText也能被用于学习词语的向量表征,Facebook称fastText比常用的Word2vec等最先进的词态表征工具表现都要好得多。
3.Facebook开源计算机视觉系统deepmask,从像素水平理解图像(附论文及代码)
日,Facebook宣布开源计算机视觉系统deepmask,称该系统能“从像素水平理解物体”,Facebook希望开源能加速计算机视觉的发展。不过,Facebook并没有在自家产品中使用这些工具,像这样落实到具体应用前就开源,跟通常所说的“开源”有些不同。对此,Facebook人工智能团队FAIR的负责人Yann LeCun 曾表示,正是因为FAIR 做基础的、不受制于公司短期效益的研究,才能真正推进人工智能技术发展。
4.Facebook 开源AI 训练和测试环境CommAI-env
日,Facebook 宣布开放AI 训练和测试环境CommAI-env,可以用任何编程语言设置智能体。据介绍,CommAI-env 这个平台用于训练和评估AI 系统,尤其是注重沟通和学习的AI 系统。与用强化学习从玩游戏到下围棋都能做的OpenAI Gym 不同,Facebook 的CommAI-env 侧重基于沟通的训练和测试,这也是为了鼓励开发人员更好地打造能够沟通和学习的人工智能,呼应该公司的十年规划。Facebook 还表示,CommAI-env 会持续更新,并在成熟后举办竞赛推进AI 的开发。
在AI 测试环境方面,Facebook 还开源了CommNet,这是一个让基于神经网络的代理更好交互、实现合作而研发的模型,与CommAI-env 配套。12月,Facebook 还开源了 TorchCraft,在深度学习环境 Torch 与星际争霸之间搭起了桥梁,方便研究人员使用控制器,编写能够玩星际争霸游戏的智能代理。
5.Facebook贾扬清发文介绍 Caffe2go,手机就能运行神经网络
日,Caffe作者、Facebook 研究员贾扬清在官方网站上发文介绍了新的机器学习框架 Caffe2go,并表示在接下来的几个月将其部分开源。Caffe2go规模更小,训练速度更快,对计算性能要求较低,在手机上就行运行,已经成为 Facebook 机器学习的核心技术。
1.OpenAI 推出代理训练环境 OpenAI Gym
创立于2015年底的非盈利机构 OpenAI 的成立打破了谷歌、Facebook 等巨头霸占 AI 领域的格局,但其创始人、特斯拉CEO马斯克多次发表人工智能威胁论。马斯克创立 OpenAI 目的何在?日,OpenAI 发布了人工智能研究工具集OpenAI Gym,用于研发和比较强化学习算法,分析 OpenAI Gym 或可找出马斯克的真正动机。
2.另一种开源:OpenAI 介绍深度学习基础框架
日,OpenAI 研究员在博客发文,结合实例介绍了 OpenAI 进行深度学习研究时采用的基础设施配置,并且提供了相关开源代码。文章激起了很多反响,相对于软硬件开源,OpenAI 从另一个侧面,对深度学习模型的实际部署提供了帮助。
3.OpenAI 重磅发布 AGI 测试训练平台 Universe
日,在今年 NIPS 大会召开的前一晚,OpenAI 发布了 Universe,用于训练解决通用问题 AI 的基础架构。据悉,这是一个能在几乎所有环境中衡量和训练 AI 通用智能水平的开源平台,目标是让智能体能像人一样使用计算机。目前,Universe 已经有1000种训练环境,由微软、英伟达等公司参与建设。有了 Universe,任何程序都能被接入到 OpenAI Gym 的环境中。很快,OpenAI 还推出了 Mini World of Bits(MiniWoB),这个与 OpenAI Universe 配套的环境基准可以测试代理与常见网页浏览器元素的交互能力,比如按钮、文本框、滑块。
微软开源:CNTK 升级版
根据 Github 2016年度的《Octoverse 观察报告》,微软不仅是拥有开源项目最多的公司,也是贡献人数最多的公司。
在人工智能方面,微软的开源项目有很多,包括CNTK计算网络工具包、DMTK分布式机器学习工具包,Send2vec语义相似映射器,以及CodaLab 研究平台(基于Web的开源平台,旨在通过其在线社区帮助解决数据导向的许多常见问题,从而促进机器学习和高性能计算的研究领域的发展)。
日,微软开源深度学习认知工具包 CNTK 升级版,其中最瞩目的功能是增加了 Python 绑定,支持增强学习。新版的 CNTK 性能大幅提升,尤其是在多台机器上处理较大数据集的情况下能高速运行,这种类型的大规模部署对于多GPU上的深度学习是不可或缺的,也是开发消费产品和专业产品的必需。
微软研究人员表示,在多服务器间运行的能力是一大进步。CNTK 升级版还包含了一些算法,用于将大规模数据处理的计算消耗降到最低。
1.百度开源深度学习代码 Warp-CTC 详解
日,百度公布了代码 Warp-CTC,能够让 AI 软件运行得更高效。说 Warp-CTC 知道的人可能还少,百度语音识别系统 Deep Speech 2就是用它搭建的。百度位于硅谷的 AI 实验室主管 Adam Coates 在接受 Re-Work 采访时表示,他们在构建深度语音端对端系统的过程中发明了Warp-CTC 方法,进而使用 CTC 提高模型的可伸缩性。“由于没有相似的工具,我们决定将其分享给人们。它是一款很实用的工具,可以用到现有的AI框架中。现在有很多深度学习的开源软件,但是之前用于训练序列数据的端对端网络一直很慢。我们在Warp-CTC上的投入是对“我们坚信深度学习与高性能计算技术(HPC)的结合会有巨大潜力”的一种证明。”
2.百度开源分布式深度学习平台,挑战 TensorFlow(附教程)
日,百度宣布开源深度学习平台 PaddlePaddle。实际上,百度深度学习实验室在几年前就投入 PaddlePaddle 的开发,业内对这个云端托管的分布式深度学习平台赞誉有加:代码简洁、设计干净,没有太多抽象……PaddlePaddle对于序列输入、稀疏输入和大规模数据的模型训练有着良好的支持,支持GPU运算,支持数据并行和模型并行,仅需少量代码就能训练深度学习模型,大大降低了用户使用深度学习技术的成本。
3.百度公开硬件基准 DeepBench,推动深度学习专用芯片研发竞争
2016年9月,百度发表论文,开源 DeepBench 基准测试,AI研究者和芯片制造商可以用它测试不同的芯片运行软件时的性能,尤其是哪款硬件加速深度学习性能最好。目前 DeepBench 只能测试深度学习的训练模型,能提供在三种 Nvidia GPU和一种 Intel Xeon Phi 处理器的基准化测试结果,未来还可能测试用于图像和语音识别之类任务的“推理”模型。百度希望 DeepBench 能促进特定任务深度学习加速器的研发,“GPU显然不是终点,我们希望这能鼓励竞争”。
GitHub 最受欢迎的深度学习项目
TensorFlow
使用数据流图计算可扩展机器学习问题
一个高效的开源深度学习框架
Neural Style
由Torch实现的神经网络算法
Deep Dream
一款图像识别工具
一款由Python实现的深度学习库,包括卷积神经网络、递归神经网络等。运行在Theano和TensorFlow之上
Roc AlphaGo
由学生主导的一个独立项目,重新实现了 DeepMind在2016发表于Nature论文"Mastering the game of Go with deep neural networks and tree search(用深度神经网络和树搜索学习围棋)" (Nature 529, 484-489, 28 Jan 2016)
TensorFlow Models
基于TensorFlow开发的模型
Neural Doodle
运用深度神经网络将涂鸦变为优雅的艺术品,从照片生成无缝纹理,转变图片风格,进行基于实例的提升,等等。(语义风格传递的实现)
微软的计算网络工具(Computational Network Toolkit,CNTK)
TensorFlow Examples
面向初学者的TensorFlow教程和代码示例
ConvNet JS
基于Java的深度学习库。在浏览器中训练卷积神经网络模型(或者普通模型)
Torch7,深度学习库
基于深度学习网络的面部识别
轻巧、便携、灵活的分布式/移动深度学习框架,支持Python, R, Julia, Scala, Go, Java等等语言
智能计算的Numenta平台(Numenta Platform for Intelligent Computing,Nupic):一个脑启发式的计算智能和机器智能平台,基于皮层学习算法的生物精确神经网络模型
一个 Python 库,用来定义、优化和模拟数学表达式计算,用于高效解决多维数组的计算问题
面向黑客的开源机器智能框架
基于Torch开发的多层递归神经网络的字符级别语言模型
Neural Talk
一个Python+numpy项目,用多模式递归神经网络描述图像
deeplearning4j
基于Hadoop和Spark的Java, Scala & Clojure深度学习工具
深度学习库,包括高层次的TensorFlow接口
TensorFlow Playground
神经网络模型示例
OpenAI Gym
一种用于开发和比较强化学习算法的工具包
用机器智能生成音乐和艺术
用神经网络模型给灰度图上色
基于node.js和浏览器的免架构神经网络库
Neural Talk 2
Torch开发的图像简介生成GPU运行代码
Image Analogies
使用神经匹配和融合生成相似图形
TensorFlow Tutorials
Tensorflow的基础原理到应用
基于Theano训练和构建神经网络的轻型函数库
基于Theano的机器学习库
LISA-lab Deep Learning Tutorials
深度学习教程笔记和代码
Nervana 开发的一款快速、可扩展、易使用的Python深度学习框架
Matlab Deep Learning Toolbox
Matlab/Octave的深度学习工具箱。包括深度信念网络、自动编码机、卷积神经网络、卷积自动编码机和vanilla神经网络等。每种方法都有入门示例
Deep Learning Flappy Bird
使用深度强化学习破解Flappy Bird游戏
一款灵活的深度学习神经网络框架
Neural Story Teller
一种根据图片生成故事的递归神经网络模型
深度学习GPU训练系统
基于Keras和Theano生成jazz的深度学习模型
Brainstorm
快速、灵活、有趣的神经网络
C语言版本的开源神经网络
Theano Tutorials
基于Theano的机器学习入门教程,从线性回归到卷积神经网络
RNN Music Composition
一款生成古典音乐的递归神经网络工具
一种用于构建和训练神经网络模型的Theano框架
TensorFlow的交互式、节点调试和可视化的工具
Scikit Neural Net
深度神经网络入门工具,类似scikit-learn的分类器和回归模型。
分布式机器学习平台(Python, CUDA, OpenCL)
Deep Detect
基于C++11的深度学习接口和服务器,与Python绑定并支持Caffe
TensorFlow DeepQ
基于Google Tensorflow的deep Q learning演示
Caffe on Spark
基于Spark的Caffe
神经网络库的抽象,著名的Lasagne
DCGAN TensorFlow
基于tensorflow实现的深度卷积生成对抗网络
MatConvNet
MATLAB卷积神经网络工具箱,用于计算机视觉应用
用于训练深度卷积神经网络模型的OpenCL库
Visual Search Server
用Tensorflow Inception 模型和近似最近邻的视觉搜索
免责声明：本文仅代表作者个人观点，与环球网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
环球时报系产品
扫描关注环球网官方微信
扫描关注 这里是美国微信公众号
扫描关注更多环球微信公众号如何用OpenAI公司的Gym工具库和Universe平台为游戏创建人工智能机器人(AI Game Bot)
推荐新文章
众成翻译QQ群：
《奇舞周刊》微信公众号
HULK一线技术杂谈
让分享更有价值
精彩、前沿技术文章，尽在众成翻译《每周精选》
推荐并认领
为引导和规范众成翻译服务及众成翻译用户的行为，特制定本用户协议。凡访问、浏览众成翻译网站或向众成翻译提交信息，必须首先同意此协议和其他由众成翻译发布的协议。如果您不同意此协议，请停止使用众成翻译网站。 1. 条款接受众成翻译网（以下简称“众成翻译”）为北京奇虎科技有限公司独立拥有，将按照本协议的规定及不定期发布的操作规则提供基于互联网的相关服务(以下称“网络服务”)。本协议所称的用户是指完全同意所有条款并完成注册程序或未经注册而使用众成翻译服务（以下简称“本服务”）的用户。用户在注册程序过程中点击“同意”按钮即表示用户完全接受本协议项下的全部条款。这些条款可由众成翻译域名所有者随时更新，本协议一旦发生变动，众成翻译将会在相关页面上提示修改内容。修改后的协议条款一旦在众成翻译网站页面上公布即代替原来的协议并即时生效。用户可随时查阅最新协议。用户在使用众成翻译提供的各项服务之前，应仔细阅读本协议，如用户不同意本协议及/或众成翻译随时对其进行的修改，用户应主动放弃众成翻译提供的服务。 2. 服务内容2.1 众成翻译服务的具体内容由众成翻译根据实际情况提供，包括但不限于翻译内容发布、内容阅读、论坛(BBS)、电子邮件、发表评论等。众成翻译保留随时变更、中断或终止部分或全部网络服务的权利。 2.2 用户理解，众成翻译仅提供相关的网络服务，除此之外与相关网络服务有关的设备（如个人电脑、手机、及其他与接入互联网或移动网有关的装置）及所需的费用（如为接入互联网而支付的电话费及上网费、为使用移动网而支付的手机费）均应由用户自行负担。 3. 使用规则3.1 用户在申请使用众成翻译服务时，必须提供准确的个人资料，如个人资料有任何变动，必须及时更新。如因资料提供不准确而享受不到众成翻译服务，众成翻译不承担任何责任。 3.2 用户注册成功后，众成翻译将给予每个用户一个用户帐号，该用户帐号由用户负责保管；用户应当对以其用户帐号进行的所有活动和事件负全部法律责任。 3.3 用户同意接受众成翻译通过电子邮件或其他方式向用户发送内容或相关信息。 3.4 用户在使用众成翻译服务过程中，必须遵循以下规则： 遵守中国相关法律和法规； 不得为任何非法目的而使用网络服务系统；遵守所有与网络服务有关的网络协议、规定和程序；不得利用众成翻译网络服务系统进行任何可能对网络的正常运转造成不利影响的行为； 不得利用众成翻译网络服务系统传输任何反动、骚扰性、中伤他人、辱骂性、恐吓性、庸俗淫秽的或其他任何非法的信息资料；不得利用众成翻译网络服务系统进行任何不利于众成翻译的行为；未经众成翻译许可，不得在众成翻译发布任何形式的广告以及对其他公司、组织或网站的宣传信息；就众成翻译及合作伙伴的服务、产品、业务咨询应采取相应机构提供的沟通渠道； 如发现任何非法使用用户账号或账号出现安全漏洞的情况，应立即通知众成翻译；在使用众成翻译服务时，不得侵犯其他任何第三方的专利权、著作权、商标权、名誉权或其他任何合法权益。4. 内容所有权4.1 众成翻译提供的网络服务内容可能包括但不限于：文字、软件、声音、图片、视频等。所有这些内容受版权法、商标法和其他财产所有权法律的保护。 4.2 众成翻译严格拒绝所有未经原作者允许的内容发布。为保证用户的阅读体验，众成翻译有权恢复发布在该平台上的翻译内容的一个或多个版本，以修复链接并防止内容丢失。 4.3 在众成翻译发表原文和译文，均为用户自发行为，而且用户所推荐或翻译发表的内容，应该确保取得原著作权人的许可或者不侵犯原著作权人的合法权益。众成翻译严格拒绝未经原作者授权的或违反有关著作权法律法规，以及侵犯著作权人权益的内容发布。5. 免责声明5.1 众成翻译服务提供者不保证以下事宜： 本服务将完全符合您的要求；本服务将不受干扰、及时提供、安全可靠且不会出错。5.2 用户明确同意其使用众成翻译网络服务所存在的风险及一切后果完全由其自己承担；众成翻译网不对用户个人行为造成的后果承担任何责任。 5.3 用户了解和同意众成翻译不对用户发布的内容承担任何责任，即使包含恐怖、骚扰、诽谤、侵犯隐私、辱骂、恐吓、低俗、淫秽和其他引起反感的内容，或任何侵犯第三方知识产权的内容。 6. 服务变更、中断或终止6.1 如因系统维护或升级的需要而需暂停网络服务，众成翻译将尽可能事先进行通告。 6.2 如发生下列任何一种情形，众成翻译有权随时中断或终止向用户提供本协议项下的网络服务而无需通知用户： 用户违反本协议中任一条款；因用户行为而对众成翻译服务构成破坏、损害或造成负面影响。6.3 除前款所述情形外，鉴于网络服务的特殊性，用户同意众成翻译有权随时变更、中断或终止部分或全部的网络服务。如变更、中断或终止的网络服务属于免费网络服务，众成翻译无需通知用户，也无需对任何用户或任何第三方承担任何责任。 7. 违约赔偿 用户同意保障和维护众成翻译及其他用户的利益，如因用户违反有关法律、法规或本协议项下的任何条款而给众成翻译或任何其他第三方造成损失，用户同意承担由此造成的损害赔偿责任。 8. 法律管辖8.1 本协议的订立、执行和解释及争议的解决均应适用中国法律。8.2 如双方就本协议内容或其执行发生任何争议，双方应尽量友好协商解决；协商不成时，任何一方均可向众成翻译域名所有者所在地的人民法院提起诉讼。9. 通知和送达 本协议项下所有的通知均可通过重要页面公告、电子邮件或常规的信件传送等方式进行；该等通知于发送之日视为已送达收件人。10. 其他规定 10.1 本协议构成双方对本协议之约定事项及其他有关事宜的完整协议，除本协议规定的之外，未赋予本协议各方其他权利。10.2 如本协议中的任何条款无论因何种原因完全或部分无效或不具有执行力，本协议的其余条款仍应有效并且有约束力。 10.3 本协议中的标题仅为方便而设，不具法律或契约效果。
为了保护权利人的权益，根据相关法律、法规和规范性文件的要求，众成翻译网（网址：www.zcfy.cc，下称“众成翻译”） 现制定保护权利人合法权益的权利人保护指引（下称“本指引”）。众成翻译承诺遵守并尊重中国现行法律法规及其他规范性文件对知识产权的保护规定，并依照规定制定了保护权利人权利的处理流程。作为权利人，当您发现众成翻译上的内容涉嫌侵犯了您的合法权益时，您应当首先向我们发送“权利通知”，我们将根据中国法律法规和政府规范性文件采取措施移除相关内容或屏蔽相关链接。流程如下。1. 权利通知如果您同时具备以下两个条件：权利人享有某一项或多项权益；&您发现众成翻译用户利用众成翻译及其服务侵害您的合法权益。请您务必以书面方式向我们提交权利通知。我们将在接到通知之日审核完毕后的合理时间内依法采取相关移除或屏蔽措施。并且，我们可能会依法通知受此措施影响的提交者，以便他们依法提出抗辩通知。通知书需权利人亲笔签名，若为单位则需加盖单位公章。2. 通知内容通知书应当包含下列内容：&权利人的姓名（名称）、联系方式、地址、身份证复印件（自然人）、单位登记证明复印件（单位）；&要求删除或者断开链接的侵权内容的准确名称和在众成翻译的访问地址；&认为构成侵权的初步证明材料，包括但不限于享有著作权或依法享有信息网络传播权的权属证明、创作手稿、商标权证书、软件著作权证书等。权利人应对通知书的真实性负责。若通知书的内容不真实，权利人将承担由此造成的全部法律责任。3. 联系方式通知书请寄至以下地址：北京市朝阳区酒仙桥路6号院2号楼电子版通知书请发至以下邮箱：admin@zcfy.cc众成翻译将在收到权利人通知书并审核无误后的合理时间内，将通知书转送发布侵权内容的用户，并相应采取删除涉嫌侵权的内容，或者断开涉嫌侵权内容链接等措施。
新版上线，翻译有礼
亲爱的小伙伴们：
众成翻译经过重构，2.0版今天上线了！
2.0版本着简约至上的产品理念，实现了推荐、认领、翻译、发布的快捷流程和简单易用的在线翻译编辑器，让分享最新技术文章，快速认领和翻译成为一件轻松愉快的事。
不知不觉间，众成翻译上线已经快两年了。这期间，我们收获了超过340万字的原创翻译内容，其中30%以上是由高质量译者翻译的优质内容，译文总数达到了3000多篇，积累了近百位活跃译者。
同样是最近一两年来，优质内容在互联网上的价值越来越大，知识的内在价值已经越来越被人们认可。对技术人员而言，这样能够推荐、翻译和阅读好的技术文章，第一时间掌握靠谱的技术资讯的知识分享平台，无疑是非常有价值的。
希望大家继续支持众成翻译，扶持它不断成长壮大。谢谢！
活动规则：～18日期间
至少推荐一篇文章
至少认领一篇文章
日前至少发布一篇文章
即有机会获得众成翻译平台送出的技术图书一册
众成翻译@ （京ICP备号）