qsqx_H的博客

进行旋转操作时，默认是以选中物体的原点进行旋转的，对阵列化等特殊设计不便。在如图所示位置变换轴心点为3D游标，然后Shift+s设置游标位置即可。网上大部分都是旧版本的教程，blender 4.0以上版本材质变为透明，需要在材质-设置-表（曲）面，将渲染方法从抖动改为混合。最近项目画图需要，发现隔了一段时间对这个软件完全手生了，于是写这条帖子记录一些常用操作。shift+D：模型可独立编辑，材质不可独立编辑。2. 选中物体，打开合成器，做如图设置。alt+D：模型和材质都不可独立编辑。

随着城市化进程的加速，地铁作为现代城市的重要交通工具，其站点命名不仅反映了城市的地理和文化特征，还承载了历史记忆和社会变迁。本研究基于高德地图提供的全国5805个地铁站数据，通过详尽的数据分析，揭示了中国地铁站命名背后的规律与特点。

print("训练次数：{}，loss：{}".format(total_train_step,loss.item()))print("整体测试集上的正确率：{}".format(total_accuracy/test_data_size))print("----------第{}轮训练开始----------".format(i+1))print("训练数据集的长度为：{}".format(train_data_size))image_pth="img.png"#这里是输入图片。#记录训练和测试的次数。

optim=torch.optim.SGD(model.parameters(),lr=0.01)//定义学习速率0.01，用网络的参数。result_loss=loss(outputs,targets)//计算交叉熵。result_loss.backward()//后向传播。loss=nn.CrossEntropyLoss()//交叉熵。optim.zero_grad()//优化器。

targets=torch.tensor([1,2,5],dtype=torch.float32)//输入inputs targets的数据。targets=torch.reshape(targets,(1,1,1,3))//重构。当调用loss，可以调用它的反向传播。进程已结束，退出代码为 0。此外还有MSE与交叉熵。

input=torch.ones((64,3,32,32))//此行开始是检验，最终输出（64，10）self.flatten=Flatten() # 展平。如果不想这么繁琐可以用Sequential()打包一下。

参数中默认inplace=False，另外创建值。处理：大于等于0的保留原始数值，小于0的置0。

2,1,0,1,1]]],dtype=torch.float32)//这里设置为float型，因为池化认这个。由ceil_mode决定在不够时是否保留，默认ceil为False，也就是floor模式。池化核会挑选，最大的一个数。目的：减少特征参数，训练更快。print(input.shape)//改成tensor。

dataset = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)//建立dataset。input=torch.reshape(input,(1,1,5,5))#1通道数，1batch，5*5数据维度。[14, 13, 9, 7, 4]]]])//stride=1的和padding=1的。[2,1,0]])//卷积核。

train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,transform=dataset_transform,download=True)//训练集。test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform,download=True)//测试集。# drop_last 抓取剩余的，舍去或保留。

img_path="dataset/hymenoptera_data/train/ants_image/6743948_2b8c096dda.jpg"//获取图片地址。img=Image.open("dataset/hymenoptera_data/train/ants_image/0013035.jpg")//打开图片。trans_compose=transforms.Compose([trans_resize_2,trans_totensor])//组合用法。

函数2：add_image(tag, img_tensor(torch.Tensor, numpy.array), global_step,dataformats)img_path="dataset/hymenoptera_data/train/ants_image/69639610_95e0de17aa.jpg"//相对路径。函数1：add_scalar（tag(str),scalar_value,global_step)img_PIL=Image.open(img_path)//打开。

wb=xl.load_workbook('transactions.xlsx')//表格文件的名字是transactions.xlsx。corrected_price_cell=sheet.cell(row,4)//获取第四列（单元格）cell=sheet.cell(1,1)//这里演示的是两种查看单元格的方法，访问a1单元格，同等效力。cell=sheet.cell(row,3)//获取第三列（单元格）cell=sheet.cell(row,3)//获取第三列的数据。将这个表格导入进项目文件，

创建一个新的包，名叫emails。有一个ecommerce的包。遍历所有当前.py文件并打印。进程已结束，退出代码为 0。进程已结束，退出代码为 0。

print(random.randint(10,20))打印三个10到20随机数。return (first,second)返回一个元组，这里可以不带括号。print(random.random())打印三个0到1随机数。random.choice(a)可在a列表中随机选择一个项目。random.randint(a,b)可生成a到b的随机数。random.random()可生成0到1的随机数。游戏：制作一个骰子，每次可以产生两个随机数。dice=Dice()定义一个变量。class Dice:创建一个类。

以精确调用这个模块里的特定函数，此时用这个函数不需要像前面一样加模块名。在项目名称那里新建一个.py文件，剪切粘贴即可在主函数中调用它。可以把一些相同作用的函数归为一个模块，以精简主函数。此外，可以将数个模块整合成一个包。也可以用from写法直接调用函数。新建一个ecommerce包。

point1=Point()//创造一个point1。__init__(self):这个用法还要继续搞清楚。print(point1.x)//打印10。point1.draw()//打印draw。print(point2.x)//打印1。用class ：来定义一个类。进程已结束，退出代码为 0。然后可以对类进行操作了。

使用try，except语句来预见任何可能出现的错误。

greet_user(last_name="Smith",first_name="John")//关键词参数。greet_user("Smith","John")//位置参数。有两种用法，第一次调用是反着的，因此打印出的也是反着的。第二次调用由于指定了关键字参数，因此不会反着。进程已结束，退出代码为 0。进程已结束，退出代码为 0。进程已结束，退出代码为 0。