Vetranio
Multi tool use
Vetranio (nescimus, quando natus sit, mortuus est anno 356 Prusae) dux militum Romanus et imperator saeculi quarti erat.
Cursus honorum |
Vetranio humili loco in provincia Moesia Superiore natus miles ad magistrum peditum Constantis I imperatoris promotus est. Cum 18 Ianuarii 350 Constans imperatoris occidentis a Magnentio usurpatore Augustoduni depositus atque postea necatus esset, Vetranio iam senex die 1 Martii 350 vel Sirmii vel Mursae imperator militibus suis proclamatus est, sive ut ipse regnaret[1], sive ut Constantium II sorore eius Constantina nitente adiuvaret et copias praefecturae Illyricae a Magnentio averteret[2]. Constantius autem Vetranionem pro tempore agnovit. Poseta eum adiit et milites eius ad transeundum persuasit et Vetranionem die 25 Decembris 350 ad deponedum imperium permovit[3]. Vetranio autem ad annum 356 privatus Prusa in urbe vixit[4].
Mores |
Rerum gestarum scriptores varias sententias de eius mores tradiderunt, qui autem non magnae humanitatis fuisse videtur:
Eutropius dixit: Quem grandaevum iam et cunctis amabilem diuturnitate et felicitate militiae ad tuendum Illyricum principem creaverunt, virum probum et morum veterum ac iucundae civilitatis, sed omnium liberalium artium expertem adeo, ut ne elementa quidem prima litterarum nisi grandaevus et iam imperator acceperit.[5]
Aurelius Victor autem de Vetranione: ...quia Vetranio litterarum prorsus expers et ingenio stolidior idcircoque agresti vecordia pessimus, cum per Illyrios peditum magisterio milites curaret, dominationem ortus Moesiae superioris locis squalidioribus improbe occupaverat.[6] Et alio loco[7]: quem Constantius non post multos dies regno exuit, grandaevae aetati non vitam modo, sed etiam voluptarium otium concedens. Fuit autem prope ad stultitiam simplicissimus.
Notae |
↑ Aurelius Victor, Caesares, 41, 26
↑ Philostorgius, Historia Ecclesiae, III 22
↑ Eutropius, Breviarium, X 11
↑ Der Neue Pauly, Stuttgardiae 1999, T. 12/2, c. 147
↑ Eutropius, op.cit. X,11
↑ Aurelius Victor, Caesares 41,26
↑ Aurelius Victor, Epitome de Caesaribus 41,25
fk Q B Wb 5zON1DkjKctSwo0HOc6hcDVtVDwoNGpOf6t,Nn1RU,gHjMmrbr9v Y1PzmnAshEmUwdQ
Popular posts from this blog
Tabula multilinguis Rosettana in Museo Britannico ostenditur. Tabula Rosettana, [1] etiam titulo OGIS 90 agnita, est stela decreto de rebus sacris in Aegypto anno 196 a.C.n. lato inscripta. Tabula iuxta Rosettam Aegypti, urbem in delta Nili et ad oram maris Mediterranei iacentem, anno 1799 a milite Francico reperta est. Inventio stelae, linguis duabus scripturisque tribus inscriptae, eruditis Instituti Aegypti statim nuntiata est; ibi enim iussu imperatoris Napoleonis eruditi omnium scientiarum (sub aegide Commissionis Scientiarum et Artium) properaverant cum expeditione Francica. Qua a Britannis mox debellata, tabula Rosettana Londinium missa hodie apud Museum Britannicum iacet. Textus Graecus cito lectus interpretationi textuum Aegyptiorum (in formis hieroglyphica et demotica expressorum) gradatim adiuvit. Denique textum plene interpretatus est Ioannes Franciscus Champollion. Ab opere eruditorum cumulativo coepit hodiernus scripturae hieroglyphicae linguaeque Aegyptiae a...
1
$begingroup$
This is what I mean as document text image: I want to label the texts in image as separate blocks and my model should detect these labels as classes. NOTE: This is how the end result should be like: The labels like Block 1, Block 2, Block 3,.. should be Logo, Title, Date,.. Others, etc. Work done: First approach : I tried to implement this method via Object Detection, it didn't work. It didn't even detect any text. Second approach : Then I tried it using PixelLink. As this model is build for scene text detection, it detected each and every text in the image. But this method can detect multiple lines of text if the threshold values are increased. But I have no idea how do I add labels to the text blocks. PIXEL_CLS_WEIGHT_all_ones = 'PIXEL_CLS_WEIGHT_all_ones' PIXEL_C...
1
$begingroup$
I have this LSTM model model = Sequential() model.add(Masking(mask_value=0, input_shape=(timesteps, features))) model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2, return_sequences=False)) model.add(Dense(features, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) and shapes X_train (21, 11, 5), y_train (21, 5) . Each timestep is represented by 5 features and return_sequences is set to False because I want to predict one 5D array (the next timestep) for each input sequence of 11 timesteps. I get the error ValueError: y_true and y_pred have different number of output (5!=1) If I reshape the data as X_train (21, 11, 5), y_train (21, 1, 5) instead I get the error ValueError: Inva...
