手把手教你画太极图

本文将逐步指导你如何绘制出经典的太极图,从图形设计的基本原理到具体的绘制步骤,让你了解太极图的构成与美学。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >



<!DOCTYPE html>
<!-- saved from url=(0068)http://zhidongtdc.duapp.com/libs/tj-%E5%A4%AA%E6%9E%81%E5%9B%BE.html -->
<html><style type="text/css" id="299486697274"></style><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
	<meta charset="UTF-8">
	<title>太极图</title>
	<style type="text/css">
	.box{padding-top:100px;}
	.box .taiji{margin:0 auto;}


	/*只有最外面容器使用了宽高px设置,内部均为百分比设置,只需改变容器大小,太极图就可以自动缩放*/
	.taiji{position: relative; width: 200px; height: 200px; border-radius: 50%; background-color: #fff;border:solid 1px #ccc;    animation: spin 6s linear infinite;/*动画设置*/}
	.tj_1{position: absolute; top: 0px; width: 50%; height: 100%;}
	.tj_big1{left: 0px; border-radius:100% 0 0 100% /50% 0 0 50%; background: #000;}
	.tj_big2{right: 0px; border-radius:0 100% 100% 0 / 0 50% 50% 0; background: #fff;}
	.tj_2{position: absolute; width: 50%; height: 50%; left: 25%; border-radius: 50%;}
	.tj_s1{bottom: 0px; background: #fff;}
	.tj_s2{top: 0px; background: #000;}
	.tj_ss{position: absolute; width: 25%; height: 25%; left: 37.5%;border-radius: 50%;}
	.tj_w{top:37.5%;background: #000;}
	.tj_b{top:37.5%;background: #fff;}
	/*动画方法*/
	@keyframes spin {
	0% {
	   	transform:rotate(0deg);
	 }
	 100% {
	   	transform:rotate(360deg);
	 }
	}
	</style>
</head>
<body>
	<div class="box">
		
		<div class="taiji">
			<div class="tj_1 tj_big1"></div>
			<div class="tj_1 tj_big2"></div>
			<div class="tj_2 tj_s1">
				<div class="tj_ss tj_w"></div>
			</div>
			<div class="tj_2 tj_s2">
				<div class="tj_ss tj_b"></div>
			</div>
		</div>

	</div>
	

<div style="position: static; width: 0px; height: 0px; border: none; padding: 0px; margin: 0px;"><div id="trans-tooltip"><div id="tip-left-top" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-left-top.png);"></div><div id="tip-top" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-top.png) repeat-x;"></div><div id="tip-right-top" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-right-top.png);"></div><div id="tip-right" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-right.png) repeat-y;"></div><div id="tip-right-bottom" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-right-bottom.png);"></div><div id="tip-bottom" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-bottom.png) repeat-x;"></div><div id="tip-left-bottom" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-left-bottom.png);"></div><div id="tip-left" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-left.png);"></div><div id="trans-content"></div></div><div id="tip-arrow-bottom" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-arrow-bottom.png);"></div><div id="tip-arrow-top" style="background: url(chrome-extension://ikkepelhgbcgmhhmcmpfkjmchccjblkd/imgs/map/tip-arrow-top.png);"></div></div></body></html>


### 使用YOLOv8生成对比图的方法 YOLOv8 是一款功能强大的目标检测框架,能够处理多种计算机视觉任务,包括但不限于目标检测、实例分割和分类。为了生成对比图,通常需要以下几个关键步骤:准备数据集、训练模型、评估模型性能并可视化结果。 以下是实现这一过程的具体方法: #### 1. 数据集准备 在生成对比图之前,需准备好两个不同的实验条件下的数据集或配置文件。这可以是不同超参数设置的结果,或者是基于不同架构(如带有注意力机制 vs 不带注意力机制)的模型输出。通过 `ultralytics` 提供的工具加载自定义数据集[^3]。 ```python from ultralytics import YOLO # 加载预训练模型 model = YOLO('yolov8n.pt') ``` #### 2. 训练多个模型变体 针对每种实验条件分别训练模型。例如,在第一个条件下启用 EIoU 损失函数,而在第二个条件下禁用该选项[^2]。保存每次训练后的最佳权重以便后续比较。 ```bash # 条件A: 启用EIoU损失 yolo train model=yolov8n.yaml data=coco128.yaml epochs=100 ... # 条件B: 默认配置 yolo train model=yolov8n.yaml data=coco128.yaml epochs=100 ... ``` #### 3. 测试与评估 完成训练后,运行测试脚本来获取各指标的表现情况,比如 mAP@0.5、mAP@0.5:0.95 等。这些数值将作为绘制图表的基础数据源之一。 ```python results_A = model.val(data='coco128.yaml') # 对于条件A results_B = another_model.val(data='coco128.yaml') # 对应条件B ``` #### 4. 结果可视化——生成对比图 利用 Matplotlib 或 Seaborn 库来创建清晰直观的对比图形展示两组或多组实验之间的差异之处。 ```python import matplotlib.pyplot as plt metrics_A = results_A.metrics['fitness'] # 获取适应度分数或其他关心项 metrics_B = results_B.metrics['fitness'] plt.figure(figsize=(8,6)) plt.plot(metrics_A, label="Condition A", marker='o', linestyle='-') plt.plot(metrics_B, label="Condition B", marker='s', linestyle='--') plt.title("Comparison of Model Performance under Different Conditions") plt.xlabel("Epochs") plt.ylabel("Metric Value (e.g., Fitness)") plt.legend() plt.grid(True) plt.show() ``` 以上代码片段展示了如何提取验证阶段产生的各项统计数据,并将其绘制成易于理解的趋势线形式进行对照分析。 --- ### 注意事项 当尝试调整原始项目中的核心逻辑时,请务必遵循官方文档指导或是观看相关学视频了解正确做法,因为随意更改可能导致不可预见的问题发生[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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