Mac 触控板手势完全指南:你只用到了它 30% 的能力

Mac触控板深度调校指南:从基础设置到高效手势全解析 触控板作为现代笔记本电脑的核心输入设备,其底层原理是通过电容感应和压感技术,精确捕捉手指的移动、点击与多点触控手势,并将其转化为系统指令。理解其工作原理,有助于我们超越其作为鼠标替代品的传统认知,挖掘其在提升人机交互效率和构建流畅工作流方面的巨大技术价值。尤其在编程开发、内容创作等专业应用场景中,精细化的手势控制能显著减少操作中断,实现注意力无缝衔接。本文聚焦于macOS触控板的深度优化,通过系统性的设置调整与手势配置,解决诸如文本选择、窗口拖拽、多任务切换等常见痛点。文中将详细解析如何利用‘三指拖移’提升 阅读详情

摘要:Mac 的触控板是业界公认最好的笔记本输入设备——但大多数人只用到了它的基础功能(点击、滚动、缩放)。本文整理了 macOS Sequoia 上全部 14 个触控板手势,按"基础→进阶→高手"三级分类,每个手势附带使用场景、动图说明和效率量化。文末给出 3 个手势组合技,将触控板和第三方工具(SpacePeek、Raycast、Rectangle)串联成纯触控+键盘的高效工作流。

本文信息:基于 macOS 15.0 Sequoia 及 Apple 官方支持文档整理。所有手势均可在「系统设置 → 触控板」中查看和自定义。


一、前言

为什么 Mac 触控板这么好,你却只用到了点击和滚动

Mac 的触控板是那种"用久了回不去"的硬件——精度、手感、振动反馈,Windows 阵营至今没有追上。

但大多数 Mac 用户只用到了它 30% 的能力。

单指点击、双指滚动、双指缩放——这三个手势是每个人都知道的。但三指拖移、四指切换桌面、四指展开显示桌面、三指查词……这些手势你在用吗?如果一个都没在用,你每天在触控板和键盘之间切换的次数至少多出 100 次。

这篇文章的目标:15 分钟,从基础到高手,把触控板的全部潜力挖出来。


二、14 个手势,按难度分级


🟢 基础级(你应该已经在用)


手势 1:单指点击 = 鼠标左键

操作:一根手指轻点触控板。

场景:点击按钮、选择文件、定位光标。这是最基础的交互。

技巧:在「系统设置 → 触控板」中开启「轻点来点按」。不需要按下去——轻触即可。习惯了之后,手指的疲劳感会大幅降低。


手势 2:双指点击 = 右键

操作:两根手指同时轻点触控板。

场景:弹出右键菜单。在任何地方——文件、网页、代码编辑器——双指点按就是右键。

技巧:如果你从 Windows 转过来,这个手势需要一周适应。但适应之后,你会发现它比实体右键更自然——不需要移动手指去找右键区域,触控板的任何位置都可以。


手势 3:双指上下滑动 = 滚动

操作:两根手指在触控板上向上或向下滑动。

场景:浏览网页、滚动文档、翻看代码。

技巧:macOS 默认的滚动方向和 Windows 相反——手指向上滑,页面往下滚(类似 iPhone 的"自然滚动")。如果你不习惯,在「系统设置 → 触控板 → 滚动与缩放」中关掉「自然滚动」。


手势 4:双指捏合 = 缩放

操作:两根手指捏合或张开。

场景:放大照片、缩放网页、在 PDF 中放大细节。

技巧:这个手势在所有 Apple 设备上一致——iPhone、iPad、Mac。如果你用习惯了 iOS,Mac 上不需要学。


手势 5:双指旋转 = 旋转

操作:两根手指在触控板上旋转。

场景:旋转照片、调整设计稿角度。

技巧:这个手势用到的场景不多,但在修图和处理设计稿时很实用。不需要打开编辑菜单找旋转按钮。


手势 6:双指左右滑动 = 页面间切换

操作:两根手指向左或向右滑动。

场景:浏览器前进/后退、翻看 PDF 页面。

技巧:比点浏览器左上角的返回按钮快得多。Safari 和 Chrome 都支持。


🟡 进阶级(提升效率的关键)


手势 7:三指拖移 = 不按下去就能拖动

操作:三根手指在触控板上滑动来拖动窗口、选中文本、移动文件。

场景:移动 Finder 窗口、拖动文件到文件夹、选中一段文字。

为什么重要:正常拖移需要按住触控板 → 滑动 → 松开。但如果你一天拖动窗口 50 次,这个"按住"的动作很费手指。三指拖移让你不需要"按"——手指放上去滑动就能拖动。

怎么开启:这个手势默认是关闭的。系统设置 → 辅助功能 → 指针控制 → 触控板选项 → 启用拖移 → 选择「三指拖移」。


手势 8:三指点按 = 查词和数据识别

操作:三根手指同时轻点一个词或一段信息。

场景:选中一个英文单词 → 三指点按 → 弹出词典翻译。选中一个日期 → 三指点按 → 弹出日历快速添加。选中一个地址 → 三指点按 → 弹出地图预览。选中一个快递单号 → 三指点按 → 弹出物流跟踪。

为什么重要:这个手势叫 Data Detectors(数据检测器),是 macOS 最被低估的功能之一。你不需要复制 → 打开词典 → 粘贴 → 查看。三指点一下就够了。


手势 9:四指上推 = Mission Control

操作:四根手指向上滑动。

场景:查看所有打开的窗口、管理桌面空间。

为什么重要:这是多窗口工作流的核心手势。当你开了七八个窗口、某个窗口被埋在最下面时,不用一个个 ⌘Tab 去翻——四指上推,所有窗口平铺,点击你要的那个。


手势 10:四指下推 = App Exposé

操作:四根手指向下滑动。

场景:查看当前 App 的所有窗口。

为什么重要:你在 VS Code 里开了 5 个项目窗口,想快速切换到第三个。四指下推 → 5 个 VS Code 窗口平铺 → 点第三个。比 ⌘~ 逐个翻快得多。


🔴 高手级(让同事觉得你开了外挂)


手势 11:四指左右滑动 = 切换桌面

操作:四根手指向左或向右滑动。

场景:在全屏 App 和桌面之间切换、在不同桌面空间之间移动。

为什么重要:如果你把 Chrome 放在桌面 1、VS Code 全屏在桌面 2、Slack 在桌面 3——四指左右滑动就是三个桌面之间最快的切换方式。比 ⌃← / ⌃→ 更自然,比 Mission Control 更快。


手势 12:拇指 + 三指张开 = 显示桌面

操作:拇指和三根手指向外张开。

场景:快速查看桌面上的文件、把所有窗口暂时移开。

为什么重要:这个手势让你不需要一个一个最小化窗口就能看到桌面。在桌面上找到文件后,再用同样的手势恢复所有窗口。


手势 13:拇指 + 三指捏合 = Launchpad

操作:拇指和三根手指向内捏合。

场景:快速打开 App。

为什么重要:如果你习惯用 Launchpad(iOS 风格的 App 启动界面),这个手势比点 Dock 上的 Launchpad 图标快。但如果你用了 Raycast,这个手势用到的机会不多。


手势 14:双指从右边缘向左滑 = 通知中心

操作:两根手指从触控板右边缘向左滑动。

场景:查看通知、查看 Widget。

为什么重要:macOS 的通知中心藏得比较深——你需要点菜单栏右上角的时间和日期才能打开。这个手势让你不看菜单栏也能呼出通知中心。


三、三级分类速查表

#手势操作级别使用频率
1左键点击单指点按🟢⭐⭐⭐⭐⭐
2右键双指点按🟢⭐⭐⭐⭐⭐
3滚动双指上下滑🟢⭐⭐⭐⭐⭐
4缩放双指捏合🟢⭐⭐⭐
5旋转双指旋转🟢⭐
6页面切换双指左右滑🟢⭐⭐⭐⭐
7三指拖移三指滑动🟡⭐⭐⭐⭐⭐
8查词三指点按🟡⭐⭐⭐
9Mission Control四指上推🟡⭐⭐⭐⭐
10App Exposé四指下推🟡⭐⭐⭐
11切换桌面四指左右滑🔴⭐⭐⭐⭐⭐
12显示桌面拇指+三指张开🔴⭐⭐⭐
13Launchpad拇指+三指捏合🔴⭐⭐
14通知中心双指右边缘左滑🔴⭐⭐

四、三个"组合技"——手势和工具串联成工作流

单独的手势很强大,但真正拉开效率差距的是把多个手势 + 工具串联成肌肉记忆。


组合技 1:触控板 + SpacePeek = 零键盘文件管理

四指张开 → 显示桌面
  → 单指点击 Finder
  → 三指拖移 选中文件夹
  → 单指点按空格键 → SpacePeek 弹出大小和饼图
  → 三指拖移 选中大文件 → 双指点按 → 移到废纸篓

全程手不离开触控板,不看键盘。从"想知道这个文件夹多大"到"决定并执行清理",全部在触控板上完成。


组合技 2:触控板 + Rectangle = 窗口归位

四指上推 → Mission Control → 看到 6 个窗口
  → 点选 VS Code → ⌃⌥← → 左半屏
  → 点选 Chrome → ⌃⌥→ → 右半屏
  → 四指下推 → VS Code 的两个窗口 → 点另一个

触控板定位 + 键盘快捷操作。Mission Control 帮你看到全局,Rectangle 快捷键帮你精准归位。这两步串起来,比纯键盘或纯触控板都快。


组合技 3:触控板 + Raycast = 纯触控启动

拇指+三指捏合 → Launchpad → 点 App 启动

# 如果你习惯键盘:
⌥Space → 输入三个字母 → 回车

# 如果你想让触控板更强:
BetterTouchTool → 设置"五指点按 = 呼出 Raycast"

Raycast 的键盘操作已经很快了,但如果你一定要全触控操作,通过 BetterTouchTool 给 Raycast 分配一个触控板手势即可。


五、总结

三点核心

  1. Mac 触控板的最强手势不是基础的"点击和滚动",而是三指拖移和四指切换桌面。 这两个手势每天为你省下的手指移动距离以公里计——不需要去找窗口边界、不需要去点 Mission Control 图标、不需要去够键盘上的 ⌃←。

  2. 触控板 + 第三方工具 = 纯触控工作流。 SpacePeek 让你按空格就能看文件夹大小(手本来就在触控板上),Rectangle 让你快捷键分屏(手离开触控板的时间压缩到最低),Raycast 让你三个字母启动 App(比触控板手势更快但属于键盘流)。

  3. 14 个手势不需要一次全部学会。 先开三指拖移(当天就能习惯),再加四指左右切换桌面(三天习惯)。两周后你就会忘了 Mission Control 图标在哪里——因为你根本不需要去点它。


你的触控板最常用的手势是哪个?有没有自己发现但不在苹果官方列表里的手势?评论区分享一下。

SSD盘符漂移导致OSD down场景模拟与恢复 运维团队反馈一个问题,现象是:某个OSD对应的cache分区发生了变化,比如原来cache使用的分区是/dev/sde,后来还是这块盘,但分区信息不知何故,变成了/dev/sdf(产品OSD设备并不是根据分区名称来map,而是根据partlabel),最终的现象是这个OSD down了,没法启动.接到这个现象的反馈后,记录一下这个问题在lab的复现方法。 阅读详情

相关推荐

EPICS Phoebus安装指南:从零构建到跑通第一个PV

在工业控制与加速器控制领域,上位机界面的选型往往决定整套系统的可维护性。EPICS作为分布式控制系统的核心中间件,其生态中的显示层工具近年正从老旧的CSS迁移至官方继任者Phoebus。Phoebus基于模块化架构,依赖JDK 17与Maven构建,通过Display Builder、PV Tree等应用实现PV数据的可视化与操作。对于刚接触EPICS的工程师,理解PV概念、Channel Access通信模型以及软IOC的搭建,是掌握Phoebus落地的基础。本文从环境准备、源码构建、启动连接软IOC到高

weixin_33874713的博客 513

MacBook触摸板常用的手势技巧

MacBook触摸板常用的手势技巧

qq_35368296的博客 7047

brpc组件bvar源码解析(一)简介、使用和类的关系

bvar是brpc中的一个重要组件,brpc内部有很多builtin监控都是bvar实现的。 brpc文档介绍bvar“几乎不会给程序增加性能开销,也快于竞争频繁的原子操作”。它的原理是:多线程累加一个计数器时,每个线程只累加私有的变量而不参与全局竞争,因此写时没有锁的竞争;在读取时累加所有线程的私有变量。虽然读比之前慢多了,但写就快多了,因此它使用写多读少的场景,例如统计、监控场景。 1.使用 // bvar::Adder<T>用于累加,下面定义了一个统计read error总数的Adder。

华秋实的专栏 1852

macOS这几个天花板的手势技巧,瞬间让效率拉爆到YYDS起来

熟悉windows的同学,对鼠标点击再熟悉不过了,听到点按会感觉到很陌生,由于这些操作都是基于触控板的,所以不能和windows的鼠标操作完全对应起来,这里可以理解为鼠标的点击。最近发现不少的人都开始入手mac了,但是奈何mac的生态远远没有windows的强大,所以很多人可能因为别人的推荐入手了mac,但是很快就实现了从入门到放弃的感觉。就像一个顶流明星,周边也要有庞大的粉丝们的恋爱脑一般的支持,公司为他制造新闻,狗仔队曝光八卦事件。两指上下滚动,可以上下浏览,看到滚动条,专门用来查看更多的内容。

weixin_44058951的博客 1114

告别regsvr32!易语言调用大漠插件dm.dll的免注册实战(附Win7/10/11避坑指南)

本文详细介绍了易语言如何免注册调用大漠插件dm.dll的实战方法,通过`dmreg.dll`实现真正的免注册调用,规避了传统`regsvr32`注册方式带来的权限和兼容性问题。文章包含核心原理剖析、易语言实现细节、多系统兼容性方案及高级应用场景,帮助开发者实现绿色化部署,提升自动化脚本开发效率。

weixin_42553471的博客 308

【MFiX后处理】MFiX中使用des_usr_var输出颗粒的传热量(2020-11-27更新变更输出变量名方法)

参考之前Yin的那一篇博客 https://www.cnblogs.com/Jay-CFD/p/10621274.html 输出一下颗粒传热量 使用的算例是fluid_bed_dem_2d 打开des scalar tracking 前面都和Yin那篇一样,打开enable user scalar tracking 输入2 因为第一个用来测试Y加速度了 第二个输出传热量 然后在output vtk中勾选好 更改源代码 源代码为des_thermo_newvalues.f 在mfix-GUI自带的ed

beidou111的博客 1533

Mac手势操作大全

个人博客:打开链接 一般手势: 鼠标左键功能:使用一个手指点击; 鼠标右键功能:使用两个手指点击; 上下滚动屏幕功能:双指拖移; 拖动窗口:将指针拖到窗口顶部,然后三指拖移; 显示桌面:四指分开; 打开 Launchpad:四指捏合; 双指从触控板边缘向左滑动:打开 Mac 版通知中心 三指点按一下:查询和资料侦测器 显示当前应用程序的所有窗口:四指上滑; 在 Saf...

JingLisen的博客 5656

2025华为od机试真题B卷【字符串计数匹配】Java&Go 实现

给你一个字符串str和整数k,返回满足以下条件的所有子字符串个数: 1.恰好包含k个字母。 2.数字0-9各出现至少一次。

MISAYAONE的博客 643

Mac快捷键及手势基本操作

Mac快捷键及手势基本操作

weixin_49266760的博客 1万+

EMB电子机械制动系统和EHB电子液压制动系统控制功能的对比

EMB电子机械制动系统相比EHB液压制动系统具有显著优势:响应速度更快(<100ms)、控制精度更高(±2N·m)、能实现单轮独立控制,支持0.1%级制动力调节。在ABS、ESC等安全功能上表现更优,制动平顺性和NVH性能更好,同时提升能量回收效率15%-20%。特别适合智能驾驶需求,可使AEB等系统响应时间缩短50ms,紧急制动距离减少1米以上。EMB系统完美契合高阶自动驾驶对快速响应和精准控制的要求。

m0_59012156的博客 889

QEMU源码全解析7 —— QEMU主函数

QEMU源码全解析7 —— QEMU主函数

phmatthaus的专栏 1295

macOS手势及快捷键

macOS手势及快捷键 手势–触摸板 手势设置:系统偏好设置-触摸板-更多手势 1.单指点击:单指点击即确认键(等同于鼠标左键。) 2.双指滑动: 双指向左滑动,返回上个页面;双指向右滑动,回到当前页面。 双指分开或靠拢:图片、网页放大或缩小。 两指按一下/点一下:相当鼠标右键。 两指旋转:图片旋转。 两指从触碰版边缘向左滑动:打开Mac版通知中心。 3.三指滑动: 三指一起滑动,切换应用程...

jolieLi2019888的博客 5431

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Mac Mouse Fix 鼠标增强完全指南:把百元鼠标调到比触控板还跟手

如果你手边有一只带滚轮和侧键的普通鼠标,Mac Mouse Fix 能把它变成一台"可改装的输入设备":滚轮从一格一格地跳变成带惯性的顺滑滚动,侧键和中键可以绑到任何键盘按键甚至触控板手势上。这是一个开源的 macOS 鼠标增强工具(MMF 为下文简称),在 Apple Silicon 上原生运行,MMF 2 永久免费、MMF 3 免费试用 30 天后买断。适合人群很明确:macOS 11 及以上

gitblog_01025的博客 1000

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

Mac Mouse Fix:让你的普通鼠标超越苹果触控板的完整指南

你是否曾经羡慕苹果触控板的流畅体验,但又无法放弃鼠标的精准控制?Mac Mouse Fix 正是为这样的你而生。这款开源工具能将任何普通鼠标变成功能强大的输入设备,让你在 macOS 上获得超越苹果触控板的操作体验。无论你是设计师、程序员还是普通用户,都能通过简单的设置大幅提升工作效率。 ## 为什么选择 Mac Mouse Fix? | 功能特性 | 苹果触控板 | 普通鼠标 | Mac M

gitblog_00558的博客 1145

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Mac触控板Windows驱动终极配置指南:完美还原macOS手势体验

mac-precision-touchpad项目为苹果设备用户在Windows系统下带来了革命性的触控体验。这个开源驱动程序通过完整的Windows Precision Touchpad协议实现,让MacBook和Magic Trackpad用户能够在Windows环境中享受到与macOS相媲美的流畅手势操作和精准触控响应。 ## 驱动安装全流程解析 **环境准备要点** 在开始安装前,请确保

gitblog_00584的博客 743

终极Mac鼠标增强指南:如何让普通鼠标秒变专业触控板

Mac Mouse Fix是一款免费开源的Mac鼠标增强工具,它能将任何普通鼠标变成比苹果触控板更强大的输入设备。如果你正在寻找macOS鼠标自定义解决方案,这款工具能彻底解决第三方鼠标在Mac上的功能限制问题。通过智能的按键映射和平滑滚动算法,Mac Mouse Fix让罗技、雷蛇等品牌鼠标在macOS上获得媲美原生设备的操作体验,显著提升工作效率和操作流畅度。 ## 🎯 核心功能深度解析:

gitblog_00740的博客 711

Mac Mouse Fix 指南:4 个阶段把鼠标侧键映射成触控板手势

Mac Mouse Fix 是一款 macOS 鼠标优化工具:平滑滚动、侧键映射、让普通 USB 鼠标获得触控板级的双指手势。本文按"装得上 → 用得顺 → 玩得巧 → 排得错"四个阶段展开,目标是你配出来的映射真的能用,出问题能退回原状。 ## 阶段一:装得上 ### 最短的安装路径是一条 brew 命令 ``` brew install mac-mouse-fix ``` 有 Home

gitblog_01177的博客 246

Mac Mouse Fix终极指南:让你的普通鼠标拥有苹果触控板的魔力

你是否曾经羡慕MacBook触控板那流畅自然的操作体验,却又离不开鼠标的精准控制?现在,通过Mac Mouse Fix这款开源鼠标增强工具,你可以让任何普通鼠标获得超越苹果触控板的操作体验!无论你使用的是10美元的入门鼠标还是专业游戏鼠标,这款软件都能彻底改变你在macOS上使用鼠标的方式。 ## 为什么你的Mac需要鼠标增强? 在macOS生态系统中,苹果自家的触控板一直被公认为最佳输入设备

gitblog_00727的博客 1155

Mac Mouse Fix终极指南:让普通鼠标超越苹果触控板的开源神器

Mac Mouse Fix是一款开源的macOS鼠标增强工具,它能将任何普通鼠标变成比苹果触控板更强大的输入设备。通过简单的配置,你可以获得流畅的滚动体验、强大的按键映射和智能手势功能,完全改变你在Mac上使用鼠标的方式。 ## 为什么需要Mac Mouse Fix? 如果你曾经在Mac上使用过普通鼠标,可能会遇到以下问题: - **滚动卡顿不流畅** - 传统的鼠标滚动在macOS上体验很

gitblog_00187的博客 998

Mac Mouse Fix终极指南:让普通鼠标在macOS上超越苹果触控板的完整方案

你是否曾经为macOS上第三方鼠标的糟糕体验感到沮丧?滚动卡顿、按键失灵、功能受限...这些问题在Mac Mouse Fix面前都将不复存在。这款开源工具通过系统级的事件拦截和智能信号处理,将普通鼠标的性能提升到超越苹果触控板的水平,让你在macOS上获得前所未有的鼠标使用体验。 ## 一、痛点解析:为什么macOS上的第三方鼠标体验如此糟糕? macOS系统对第三方鼠标的支持一直备受诟病。苹

gitblog_01118的博客 904

终极指南:如何用Mac Mouse Fix让你的普通鼠标超越Apple触控板

你是否在使用普通鼠标连接Mac时感到功能受限?Mac Mouse Fix正是为打破macOS对第三方鼠标的限制而生!这款强大的鼠标增强工具能够重新定义鼠标按键功能,让你用10美元的普通鼠标获得超越Apple触控板的操作体验。无论你是设计师、程序员还是普通用户,都能通过Mac Mouse Fix大幅提升工作效率和操作流畅度。 ## 为什么选择Mac Mouse Fix?🤔 Mac Mouse

gitblog_00039的博客 1013

终极指南:如何用Mac Mouse Fix让普通鼠标秒变MacBook触控板体验

Mac Mouse Fix是一款专为macOS用户设计的强大鼠标增强工具,它能将普通鼠标的功能提升到接近甚至超越Apple Trackpad的水平。无论你使用的是10美元的基础鼠标还是高端游戏鼠标,这款开源工具都能通过自定义按钮映射、平滑滚动和手势模拟等功能,让你的鼠标操作更加高效、自然。 ## 为什么选择Mac Mouse Fix? 对于习惯了MacBook触控板的用户来说,切换到普通鼠标往

gitblog_00914的博客 1050

mac-precision-touchpad:Windows苹果触控板终极解决方案完整指南

还在为Windows系统下苹果触控板功能受限而烦恼吗?mac-precision-touchpad开源项目为您带来了完美的解决方案。这个专为Windows 10及更高版本设计的驱动,为苹果Magic Trackpad和MacBook触控板提供了完整的Precision Touchpad协议支持,让您在Windows环境中也能享受与macOS相媲美的流畅手势体验。 ## 🎯 核心价值:为什么需要

gitblog_00336的博客 746

Mac Mouse Fix完全指南:如何用10美元鼠标超越苹果触控板体验

还在为macOS上鼠标体验不佳而烦恼吗?Mac Mouse Fix是一款专为macOS设计的开源鼠标增强工具,它能让你的普通鼠标获得媲美甚至超越苹果触控板的操作体验。这款软件通过智能的软件层,为普通鼠标注入了触控板般的智能操作能力,彻底改变你在macOS上的鼠标使用方式。无论你是办公用户、设计师还是开发者,Mac Mouse Fix都能显著提升你的工作效率和操作体验。 ## 为什么你的Mac需要

gitblog_00384的博客 957

Windows系统下Apple触控板完美驱动方案:解锁原生级多指手势体验

你是否曾在Windows系统上使用Apple MacBook或Magic Trackpad时,发现多指手势完全失效?光标跟踪不精准、滚动体验生硬,与macOS下的流畅触控形成鲜明对比。本文将为你揭示如何通过mac-precision-touchpad驱动,让Apple触控设备在Windows环境下获得与原生系统媲美的precision touchpad功能,彻底告别传统驱动带来的各种限制。 ##

gitblog_00473的博客 820

Mac Mouse Fix完整配置指南:让10美元鼠标超越苹果触控板

Mac Mouse Fix是一款强大的开源鼠标增强工具,能够将普通鼠标变成Mac上最优秀的输入设备。这款专业级鼠标驱动程序提供了**自定义按钮映射**、**平滑滚动优化**和**触控板级手势支持**,让您的廉价鼠标获得超越苹果触控板的操作体验。无论您是技术爱好者还是普通用户,本指南将带您深入了解Mac Mouse Fix的完整配置方案,解决系统更新后的兼容性问题,并掌握高级使用技巧。 ## 🎯

gitblog_00192的博客 908
上一篇: 用了这么多年 Mac,我才发现自己一直在犯这 10 个错误
下一篇: 程序员新 Mac 从零搭建开发环境:2026 完整手册
coding4u
博客等级 码龄14年 0粉丝 57原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值