<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Temmie1024的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Temmie1024</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Temmie1024]]></copyright><item><title><![CDATA[FDTD打开后只有工具栏，没有图窗]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/142909550</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/142909550</guid><author>Temmie1024</author><pubDate>Mon, 14 Oct 2024 09:46:53 +0800</pubDate><description><![CDATA[解决方法：关闭FDTD，删除红框里的FDTD_Solution.ini文件，然后再打开软件即可。这个配置文件会重新生成。如果是显示器没打开，显卡没启用渲染还有情可原。可以正常计算（如果使用代码运行），也就是说单纯是窗口不显示。不知道什么时候，打开成这个样子了。]]></description><category></category></item><item><title><![CDATA[部分解决FDTD安装后，matlab指令fopen报错]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/142406574</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/142406574</guid><author>Temmie1024</author><pubDate>Fri, 20 Sep 2024 22:37:18 +0800</pubDate><description><![CDATA[该代码指定了两个绝对路径。当到对应位置找这两个文件时却发现没有，也就是说文件缺失导致的报错。这部分代码是用于通过matlab启动FDTD程序的方法。今天在新的win11电脑上安装FDTD时，发现在。文件夹下的内容整体粘贴过来，补全缺失的部分即可。所以我把之前可以正常运行的win10上的。]]></description><category></category></item><item><title><![CDATA[COMSOL中液晶材料光学特性模拟]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/139360320</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/139360320</guid><author>Temmie1024</author><pubDate>Fri, 31 May 2024 20:01:33 +0800</pubDate><description><![CDATA[此外，当在材料的折射率中使用矩阵进行输入时，实际可以输入一个3×3的矩阵，在变量这一栏中你可以看到它被识别为折射率的对角矩阵。然后就可以通过矩阵的形式定义一个各项异性的材料。如果这个变量是一个固定值，那么它就是一个空间上不会发生变化的各项异性材料。COMSOL也可以根据相似的方法设置各项异性的周期性变化的材料。在给出的文件中，可以发现定义-变量中可以使用默认坐标作为变量，即xyz。在计算之后可以在结果中观察材料的各项异性，例如ewfd.nxx是x分量的折射率。而折射率转化为标准的对角矩阵的过程可以参考。]]></description><category></category></item><item><title><![CDATA[LC 旋转 - 模拟对象]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/139200507</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/139200507</guid><author>Temmie1024</author><pubDate>Fri, 31 May 2024 19:40:51 +0800</pubDate><description><![CDATA[原文链接液晶 (LC) 旋转网格属性允许您以 theta、phi 为单位指定空间变化的 LC 导向。液晶由杆状分子结构组成，这些分子结构具有相对于长轴的旋转对称性。因此，液晶具有空间变化的单轴光学特性。相对于分子长轴和分子短轴的折射率称为非寻常 n和寻常 n，见下图。旋转对称性使变换矩阵简化为两个旋转角度的函数 (θ,ϕ) 的函数。并且参考（或模拟）坐标系中的介电常数张量 (x,y,z)通过围绕 z 和y的旋转转换为主坐标系 (X,Y,Z)。]]></description><category></category></item><item><title><![CDATA[FDTD液晶折射率各项异性表示方法]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/136778879</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/136778879</guid><author>Temmie1024</author><pubDate>Sun, 17 Mar 2024 11:28:32 +0800</pubDate><description><![CDATA[由于FDTD的数据都是沿坐标轴的，各向异性材料的参数也需要根据坐标轴来输入。首先要了解坐标变换。]]></description><category></category></item><item><title><![CDATA[FDTD自定义材料]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/134376016</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/134376016</guid><author>Temmie1024</author><pubDate>Wed, 15 Nov 2023 22:02:29 +0800</pubDate><description><![CDATA[该文档内容摘自原文档及相关链接。]]></description><category></category></item><item><title><![CDATA[FDTD script command （对结构/数据操作）]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/127534840</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/127534840</guid><author>Temmie1024</author><pubDate>Thu, 27 Oct 2022 15:34:03 +0800</pubDate><description><![CDATA[FDTD script command （对结构/数据操作）]]></description><category></category></item><item><title><![CDATA[FDTD script command（源/监视器）]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/127446726</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/127446726</guid><author>Temmie1024</author><pubDate>Fri, 21 Oct 2022 15:26:57 +0800</pubDate><description><![CDATA[FDTD script command（源/监视器）]]></description><category></category></item><item><title><![CDATA[FDTD script command（结构）]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/127430265</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/127430265</guid><author>Temmie1024</author><pubDate>Thu, 20 Oct 2022 18:37:41 +0800</pubDate><description><![CDATA[FDTD script command（结构）]]></description><category></category></item><item><title><![CDATA[Symmetric and anti-symmetric BCs in FDTD and MODE]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/123336225</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/123336225</guid><author>Temmie1024</author><pubDate>Mon, 07 Mar 2022 19:11:48 +0800</pubDate><description><![CDATA[原文链接
【DEEPL翻译的】
只要电磁场有一个通过模拟区域中间的对称平面，就可以使用对称性边界条件。通过利用这种对称性，仿真体积和时间可以减少2、4或8的因素。
本专题介绍了对称和反对称边界条件的区别，以及如何为你的模拟选择合适的边界。
文档视频链接（youtube视频，有梯子才能看）
对称性边界的场
当电磁场有一个对称平面时，一些场分量必须在对称平面上为零。对称性边界条件是通过强迫适当的场分量为零来实现的。下表列出了每个对称性选项中为零的场分量。

非零场分量显示在下图中。请注意，蓝色箭头是电场，绿色箭]]></description><category></category></item><item><title><![CDATA[FDTD仿真发散（个人理解翻译）]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/122168601</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/122168601</guid><author>Temmie1024</author><pubDate>Mon, 27 Dec 2021 15:25:23 +0800</pubDate><description><![CDATA[FDTD仿真发散的一般解决办法]]></description><category></category></item><item><title><![CDATA[PyTorch基本数学运算]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116717933</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116717933</guid><author>Temmie1024</author><pubDate>Fri, 14 May 2021 19:11:45 +0800</pubDate><description><![CDATA[矩阵的加减乘(数乘)除(数除)
可以使用符号+ - * /
a+b a-b a*b a/b
也可以写add sub mul div
torch.add(a,b) torch.sub(a,b) torch.mul(a,b) torch.div(a,b)
//表示整除
这样的运算是允许的，它会进行维度扩展

矩阵的乘与除
torch.matmul或者使用@
mm不推荐，因为它只能处理2*2的

对于高维矩阵，@与matmul会计算最后两维的乘法，前面的不进行改变。如果前面的值不对应会使用brodcasting进]]></description><category></category></item><item><title><![CDATA[PyTorch基本数据类型]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116606248</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116606248</guid><author>Temmie1024</author><pubDate>Fri, 14 May 2021 19:11:03 +0800</pubDate><description><![CDATA[PyTorch是没有string类型的，需要使用编码的方式来表达字符串。
下图也可以看到数据部署到CPU与GPU的类型描述是不同的。

type(a)查看a的类型
isinstance(a,torch.FloatTensor),判断a是否为torch.FloatTensor类型，是返回True
data=data.cuda()可以将数据部署位置变更为GPU
标量 dim=0
标量一般用在网络的最终输出，计算损失函数值
生成维度为0的数据
a=torch.tensor(值)#生成标量数据并赋给a

a.sha]]></description><category></category></item><item><title><![CDATA[PyTorch笔记01]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116565693</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116565693</guid><author>Temmie1024</author><pubDate>Wed, 12 May 2021 19:30:36 +0800</pubDate><description><![CDATA[PyTorch与TensorFlow都是深度学习框架。

环境安装
前面pycharm已经安装，而且安装了conda，这里不记录了。主要记录CUDA的安装，用于GPU加速计算，一般比CPU单独计算速度快50倍左右。
这里要求显卡是NVIDIA显卡。
下载地址
如果链接失效，可以谷歌搜索CUDA download
安装一律下一步，安装位置可以自己改一下。
安装完成后在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin下找到

说明安装成功，]]></description><category></category></item><item><title><![CDATA[matplib非线性化轴]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116648156</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116648156</guid><author>Temmie1024</author><pubDate>Tue, 11 May 2021 12:49:07 +0800</pubDate><description><![CDATA[问题回顾
上一篇文章我们最终画到了这样的图

这里我们知道它并非直线，但在图片中直接观察，我们看不到这样的效果。
matplotlib给出了一些默认非线性化的轴，显然我的不适用。
解决办法
然后我就去查api了
看不懂…

但是多多少少还是有些收获，里面指出了非线性化轴的思想：对这个轴重新映射投影。
例如：这样一组值：[1,10,20,50,80,100,500,1000]
   我们使用一些非线性化函数来缩短他们值之间的差距。
这里的非线性函数我使用的是x^n次方的反函数相当于y(1/n)，选取奇函数大于]]></description><category></category></item><item><title><![CDATA[线性回归的案例01]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116592577</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116592577</guid><author>Temmie1024</author><pubDate>Mon, 10 May 2021 15:13:01 +0800</pubDate><description><![CDATA[这里篇幅可能过长，单独拎出来水一篇。教程视频只有八分钟，我只是看了一下思路，然后自己写了两个小时才写出来，不断修错误，总算是出了和视频中结果近似的结果。
问题描述
根据上节课的一次方程：y=1.477x+0.089
在这个方程的基础上添加噪声生成一百组数据，然后用线性回归的方法近似求取方程的参数。y=wx+b中的w和b


整体代码
废话不多说，直接先上代码
#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Temmie
@file: test]]></description><category></category></item><item><title><![CDATA[shell基础编程]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116525221</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116525221</guid><author>Temmie1024</author><pubDate>Sun, 09 May 2021 18:17:02 +0800</pubDate><description><![CDATA[.sh的就是shell脚本
shell程序时以文件形式存放批量的Linux命令集合。该文件能被Shell解释执行。
通常由一段Linux命令、shell命令、控制语句以及注释语句构成。
shell脚本编写
shell脚本是纯文本，可以使用任何文本编辑器编写。
shell脚本通常以.sh为后缀。
除第一行以外，其他行的#都表示注释。
shell的第一行
需要制定能程序来编译和执行脚本。
一般.sh连接的是bash这个目录，多以第一行一般写
#!/bin/bash

变量
变量名
变量名必须以字母或下划线开头.]]></description><category></category></item><item><title><![CDATA[Linux系统管理]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116498559</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116498559</guid><author>Temmie1024</author><pubDate>Sat, 08 May 2021 20:00:11 +0800</pubDate><description><![CDATA[查看系统




uname
查询系统类型




uname -r
查看系统内核版本


查看系统的一些硬件信息
查看cpu的信息cat /proc/cpuinfo
查看内存的信息cat /proc/meminfo
查看日期
date查看日期
date -R查看日期并附带时区
cal 年份 显示该年份的日历表
date -s 年-月-日 设置系统时间年月日
date -s 时-分-秒 设置系统时间时分秒
查看磁盘、内存等使用信息
df -lh

du -sh 目录路径
显示指定的目录路径所占磁盘空间大小。]]></description><category></category></item><item><title><![CDATA[Linux基本命令]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116448634</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116448634</guid><author>Temmie1024</author><pubDate>Thu, 06 May 2021 19:21:17 +0800</pubDate><description><![CDATA[管理员以 # 开头 ，普通用户以 $ 开头
清除屏幕 # clear
账户设置
创建用户 创建username(LINUX下每个用户都有密码) # useradd username
设置用户密码 # passwd 密码

切换到用户 # su - 用户 （管理员切换到用户不需要密码，用户切换到管理员要密码）


...]]></description><category></category></item><item><title><![CDATA[数据库_Mysql基础——DQL]]></title><link>https://blog.youkuaiyun.com/Temmie1024/article/details/116379427</link><guid>https://blog.youkuaiyun.com/Temmie1024/article/details/116379427</guid><author>Temmie1024</author><pubDate>Mon, 03 May 2021 20:09:10 +0800</pubDate><description><![CDATA[数据查询
这是完整形式
SELECT select_expr [, select_expr ...] 
     [
         FROM table_references 
         [WHERE 条件]
         [GROUP BY {col_name | position}  [ASC | DESC], ... 分组]
         [HAVING 条件 对分组结果进行二次筛选]
         [ORDER BY {col_name | position} [ASC | ]]></description><category></category></item></channel></rss>