15、高效管理文件:标签、筛选与文件夹设置全攻略

高效管理文件:标签、筛选与文件夹设置全攻略

在日常使用电脑的过程中,我们会创建和保存大量的文件,如何高效地管理这些文件成为了一个重要的问题。本文将详细介绍文件标签的添加与管理、文件的筛选、排序、堆叠和分组,以及文件夹的定制和选项设置等内容,帮助你更好地组织和管理文件。

1. 文件标签的使用

文件都有属性,而 Windows 还允许我们定义标签。标签是可以附加到文件上的属性,用于帮助我们查找和筛选文件。与预定义属性不同,标签可以是我们选择的任何内容,创建并附加到文件后,就成为了文件的属性之一。标签属于元数据,并非文件的实际内容。

1.1 添加标签的方法
  • 使用详细信息窗格 :这是添加标签最简单的方法。如果详细信息窗格不可见,可以选择“组织”>“布局”>“详细信息窗格”。具体操作步骤如下:
    1. 点击一个文件或选择一组文件以应用属性。
    2. 在文件夹窗口底部的详细信息窗格中,点击要更改的属性,输入新属性,然后点击“保存”。若要添加多个属性,用分号(;)分隔条目。若要使用“评级”属性对文件进行评级,点击星星即可。
      - 调整详细信息窗格大小 :可以通过拖动窗格顶部边缘的水平分隔线来调整大小,也可以右键单击窗格的空白区域,从“大小”子菜单中进行选择。
  • 在保存文件时添加或更改属性
    1. 在使用的程序中,选择“文件”>“另存为”(如果“文件”菜单不可见,按 Alt 键)。
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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