- 博客(383)
- 收藏
- 关注
RSS订阅原创 使用 Altair HyperMesh 和 OptiStruct 进行隐式有限元
然后我们将进行网格划分，我们将学习1D、2D、3D网格划分以及网格划分时必须遵循的指南。我们将非常详细地讨论质量检查和质量参数以及质量参数的数学公式。我们将从 FEA 理论开始，在那里您将熟悉找到给定问题解决方案的关键方法以及大多数 CAE 软件背后的逻辑。在 CAD/Geomrtry 、网格划分、连接、分析中创建和修改，并通过面试系列的专门部分帮助您准备面试。该课程将带您踏上激动人心的旅程，从初学者到 CAE/FEA 背后的理论概念专家，类型 1D 网格划分 – 棒、棒、刚体、RBE3。
2025-04-04 15:00:33
29
原创 光纤测试和测量
该课程详细介绍了光纤鉴定服务，包括光时域反射仪 （OTDR）、功率计和光源测试 （PM/LS）。光回波损耗 （ORL）、色散 （CD）、偏振模色散 （PMD） 及其功率损失和系统容差。最后，简要介绍了地下厂外土木基础设施和相关标准，涵盖挖沟、回填、管道、布线和检修孔安装。光缆的现场测试包括安装前（滚筒测试）、安装后和端到端测试。列出了地下 OSP 的国际标准和最佳实践列表，包括对欧洲和美国标准（TIA、ANSI、ITU、BICSI、ISO ...等）以及标准战壕、迷你战壕和微型战壕的最佳实践。
2025-04-04 10:53:31
35
原创 使用 CFD 进行汽车空气动力学开发
在本课程中，您将学习基本的汽车空气动力学，以及如何使用计算流体动力学 （CFD） 模拟围绕代表性汽车车身的空气动力学流动。我们将使用 Ansys Workbench 工具箱中的 Fluent 软件包来获取身体周围的流场，并对结果进行一些后处理和分析。选择这种方式而不是更复杂的形状，以减少所需的计算工作量，同时确保开发合理的仿真和分析原理。对简单的代表性汽车车身进行空气动力学优化。对流体力学概念有基本的了解，并对自动空气动力学感兴趣。对简单的代表性汽车车身进行空气动力学优化。了解基本的钝体空气动力学流。
2025-04-04 10:43:14
179
原创 Master PyTorch, Transformers, Deep Learning:Zero to Gen AI
掌握Python、PyTorch和Transformers：从基础到高级AI项目课程亮点：掌握Python和核心库学习Python基础知识（语法、数据结构、OOP）。项目2:RAG（检索-增强生成）代理与DeepSeek集成检索模型+转换器，以创建使用外部知识回答问题的AI代理。从论文到实践：完全按照开创性论文中的描述实施Transformer架构。投资组合提升：向雇主展示您的RAG代理和Transformer项目。你会离开：流畅的Python,PyTorch和变压器理论。掌握深度学习、CNN和注意力。
2025-04-03 19:49:45
152
原创 掌握Swift和iOS中的数据结构和算法
在本课程中，我将分享一些精确的解决问题的技巧，这些技巧帮助我获得了报价，并且可以帮助你在编码面试中获胜。你将学到：-数组和字符串–常见的测试问题和最佳解决方案-链接列表–掌握遍历，插入和删除技术-堆栈和队列–学习他们在编码面试中的实际应用-二叉树–获得舒适递归和树遍历算法-Big O Notation–学习如何编写高效、可扩展的代码-递归–提高算法性能的高级技术本课程专为初学者和经验丰富的开发人员设计，涵盖从基础到高级主题的所有内容。立即注册，并将您的编码面试准备工作提升到一个新的平！没有要求或先决条件！
2025-04-03 19:45:36
518
原创 学习Unity中的VR开发基础知识–分步学习
本课程专为开发人员、学习者和想要构建沉浸式应用程序的创作者而设计，从零开始到高级功能，而无需昂贵的VR硬件。无论您是XR开发新手还是希望加深了解，本课程都涵盖了构建虚拟和混合现实应用程序的基础和高级技术。您将使用领先的XR框架，包括XR交互工具包，Meta All-in-One SDK,Ultimate XR和VRIF（VR交互框架）。您还将学习如何在Unity编辑器中测试和模拟您的VR应用程序，使其成为那些尚未访问Meta Quest等设备的用户的理想选择。了解VR和MR中的正常动画和IK的使用。
2025-03-31 21:04:44
330
1
原创 在 Jupyter Notebook 中安装 Python yfinance
通过在 Jupyter Notebook 中安装 yfinance，您可以直接从笔记本环境中访问股票市场数据，从而实现动态数据分析和可视化。该代码获取 Meta 股票从 2023 年 1 月 1 日到 2024 年 1 月 1 日的收盘价，并将这些价格可视化为条形图，日期在 x 轴上，收盘价在 y 轴上。通过遵循安装步骤并运行示例代码，您可以直接在笔记本环境中无缝获取和显示股票市场信息，例如 Meta 的收盘价。这将在您的 Web 浏览器中打开一个带有 Jupyter 界面的新选项卡。
2025-03-10 00:00:00
870
原创 Observer Robo - 水下无人机概念模型
Observer Robo 是一款水下无人机的概念设计。此 STEP 文件用于工程和可视化目的。您可以根据自己的需求修改设计，但它并未针对 3D 打印作为功能齐全的机器人系统进行优化。但是，它可用于创建固定显示模型。注意：此文件用于概念演示和工程编辑。如果您计划 3D 打印它，则可能需要根据您的打印机规格和材料偏好进行一些调整。推进器和电子元件的空间（不包括在内）请随意修改和分享您的打印件！模块化部件，便于修改。
2025-03-08 00:00:00
199
原创 自行车设计
这个项目展示了我设计的现代自行车，兼顾性能和舒适度。这款自行车具有光滑的车架、高品质的零部件和符合人体工程学的设计，适合城市通勤和休闲骑行。
2025-03-07 00:00:00
268
原创 如何在 Jupyter Notebook 中安装 BeautifulSoup
在 Jupyter Notebook 上安装 BeautifulSoup 非常简单，您将为出色的 Web 抓取和数据提取做好准备。它将帮助您在 Jupyter Notebook 中启动并运行 BeautifulSoup，以便您可以轻松抓取和分析 Web 内容。使用 pip 和以下命令将 BeautifulSoup 安装到 Jupyter Notebook 的新单元格中。Jupyter Notebook 的安装 相对简单，最简单的方法是使用名为 pip 的 Python 安装程序执行此作。
2025-03-06 18:39:13
630
原创 如何使用 Jupyter Notebook – 终极指南
打开 notebook 后，您将看到 Notebook Dashboard，其中将显示 notebook 服务器启动目录中的 notebook、文件和子目录的列表。代码类型取决于您创建的笔记本的类型。这是键入代码的位置，执行时，代码将在单元格下方显示输出。例如，如果创建了 Python3 的笔记本，则可以添加 Python3 的代码。考虑下面的示例，其中创建了一个斐波那契数列的简单代码，并且此代码还获取用户的输入。在上面的例子中，首先执行带有 In[1] 的单元格，然后执行带有 In[2] 的单元格。
2025-03-06 18:36:08
954
原创 Wireshark 中的 I/O 图形窗口
上面的 I/O Graph （I/O 图形） 窗口屏幕截图显示了捕获的、高度可配置的网络数据包的图形。默认情况下，x 轴表示以秒为单位的时间，y 轴表示每个时钟周期的数据包数。Wireshark 真正方便的部分之一是能够以真正有用的方式（例如图表）查看我们捕获的所有数据。如果我们将鼠标悬停在图表线上，我们可以看到每个间隔中数据包的详细信息，单击图表会将我们带到 Wireshark 主窗口数据包列表中的链接数据包。每个间隔在 “Y Field” 中指定的字段的值之和。用于选择图表的线条、条形或点的颜色模式。
2025-03-06 18:29:15
360
原创 CNC 路由器 Ultra
是一台自动 CNC 路由器机，专为精确切割、雕刻和塑造木材、塑料、铝和复合材料等材料而设计。它具有多刀更换站和除尘系统，可实现高效运行。常用于家具生产、标牌制作、复合材料加工和工业制造。
2025-03-06 00:00:00
107
原创 差速齿轮箱
该项目是差速齿轮箱的详细设计，旨在了解动力如何在车轮之间分配以实现平稳转弯和更好的牵引力。差速器是车辆的关键部件，允许车轮以不同的速度旋转，同时保持稳定性和控制力。该模型包括锥齿轮、轴和外壳等基本部件，设计时注重准确性和功能性。如果您对蓝图或 SolidWorks 文件感兴趣，请随时联系我们！
2025-03-04 00:00:00
255
原创 耳机建模模型任何人都可以设计 AirPods
如果您是该领域的专业人士，或者即使您只是对设计世界感兴趣，在 10 分钟的视频中，我将向您展示 CATIA 中的曲面建模如何释放设计复杂、平滑和有机形状的潜力 - 这些技能对于当今最先进的产品至关重要。我创建了一个免费的 CATIA 曲面建模教程，您将在其中学习如何在 CATIA 中对这些 AirPods 进行建模！渲染：Keyshot 和 Inventor Studio 环境。此设计是使用高级曲面建模和逆向工程创建的。任何人都可以设计 AirPods。实际设计时间：20 分钟。
2025-03-04 00:00:00
540
原创 如何在ansys中设计和分析T梁焊接？
几何图形中有一个“焊接”选项。您可以在那里创建焊缝。您可以通过工作台上的以下步骤进行焊接。右键单击并添加变形和应力并查看答案。计算表面厚度并进行网格划分。通过右键单击并解决来解决。像这样你有两个几何图形。工具有一个选项叫做焊接。
2025-03-03 00:00:00
702
原创 如何在 ABACUS 或 ANSYS 中对曲轴进行动态分析？
如果您发现曲轴的自然频率，那么请按照此步骤进行操作，这也是一种动态分析。如何在 ABACUS 或 ANSYS 中对曲轴进行动态分析？
2025-03-02 10:13:53
275
原创 滚珠轴承，滚珠轴承是一种滚动轴承，使用滚珠来保持轴承座圈之间的分离
滚珠轴承是一种滚动轴承，使用滚珠来保持轴承座圈之间的分离。因此，在选择正确的轴承时，重要的是考虑所有操作参数，例如尺寸、转速、材料、润滑/密封和所需的使用寿命。完全定义的草图将是黑色的，如上所示。将其壳化到所需的厚度，使用 shell 命令并选择要壳的面。与外环相同，使用旋转命令并创建内环。创建固定铆钉的草图并进行切割挤压并最终形成圆形图案。创建如上所示的草图并旋转它来创建轴承的滚珠。添加圆角以避免曲线上的尖角。凸台挤压后，创建球座的草图，然后切割挤压。根据笼子的尺寸创建并定义草图并将其挤压。
2025-03-02 10:01:09
140
原创 Tensorflow 中的卷积神经网络 （CNN）
这表明该模型可以很好地泛化到看不见的验证数据，尽管仍有改进的余地，特别是在缩小训练和验证准确性之间的差距方面。在本文中，我们将探讨 CNN 的基本构建块，并向您展示如何使用 TensorFlow 实现 CNN 模型。它在 CNN 的最后层用于进行预测。测试准确率为 70%，这对于简单的 CNN 模型来说是很好的，我们可以根据我们的任务优化模型来进一步提高其准确率。它用于对特征图进行下采样，即在保留最重要的信息的同时减小它们的大小。：添加一个具有 32 个过滤器的卷积层，每个过滤器的大小为 （3， 3）。
2025-03-01 23:24:42
729
原创 TensorFlow 中的卷积层
TensorFlow 提供了一套全面的卷积层用于特征提取，转置层用于上采样，池化层用于降维。通过选择合适的卷积层和池化层，深度学习模型可以有效地提取空间和分层特征，从而提高各种计算机视觉和序列处理任务的性能。这些层应用卷积过滤器来提取有意义的特征，如边缘、纹理和图案。转置卷积（反卷积）层执行卷积的相反作，扩展空间维度而不是缩小空间维度。卷积层将滤波器应用于输入张量，在保留本地连通性的同时提取空间特征。深度卷积单独处理每个输入通道，与标准卷积相比，减少了计算次数。最大池化从区域中选择最大值，保留突出的特征。
2025-03-01 23:23:38
441
原创 千斤顶支架固定装置焊接件组装
我设计了这些千斤顶支架，用于焊接，重量适中，可调节。中心管设计为可从焊接底座上拆卸，可更换不同高度的管子。常见用途是支撑悬挂在固定台上的长管等，以及焊接拖车框架。
2025-03-01 22:58:24
269
原创 TensorFlow 中的 CIFAR-10 图像分类
目前，所有图像像素都在 1-256 的范围内，我们需要将这些值减少到 0 到 1 之间的值。CIFAR-10 的数据集可以在 tensorflow keras API 上找到，我们可以使用 tensorflow.keras.datasets.cifar10 在本地机器上下载它，然后使用 load_data（） 函数将其分发到训练和测试集。在这里，我们可以看到我们有 5000 张训练图像和 1000 张测试图像，如上所述，所有图像的大小都是 32 x 32 的大小，并且有 3 个颜色通道，即图像是彩色图像。
2025-02-28 22:11:35
848
原创 使用循环长短期记忆网络生成文本
它们特别有用，因为它们可以记住数据中的长期依赖关系，这在处理通常具有跨越多个单词或句子的上下文的文本时至关重要。文本生成是 NLP 的一部分，我们在涉及大量文本数据的数据集上训练模型，我们的 LSTM 模型将使用它来训练模型。：在文本上滑动的步长。注意：下面给出的前两个函数引用自 Keras 的官方文本生成示例的文档。在这里，我们在训练后生成 30 个字符的文本，多样性为 0.5。： 我们存储每个子序列之后的下一个字符，这将是模型的目标输出。：我们定义模型将学习预测的每个输入子序列的长度。
2025-02-28 22:09:27
645
原创 在 Python 中使用 Tensorflow 检测垃圾邮件
在大多数消息/电子邮件服务中，消息会自动检测为垃圾邮件，这样这些消息就不会不必要地涌入用户的收件箱。这些消息通常是促销性的和奇特的。因此，首先，我们将单词转换为带有标记 ID 的向量，然后填充它们后，我们的文本数据将到达一个可以将其馈送到模型的阶段。我们可以清楚地看到，Ham 的样本数量远多于 Spam 的样本数量，这意味着我们使用的数据集是不平衡的。现在，让我们将数据集加载到 pandas 数据帧中，并查看数据集的前五行。我们已经在训练数据上安装了分词器，我们将使用它来将训练和验证数据都转换为向量。
2025-02-28 22:02:59
837
原创 使用 TensorFlow 实现神经网络
我们还提供了 batch_size，e 它的作用是将我们的数据分成小批量，并将其提供给我们的模型在每个 epoch 进行训练，当您拥有大型数据集时，这非常有用，因为它减少了机器上的 RAM 和 CPU 消耗。就像你有不同的列，在 1 列中，你的值范围是 1-10，但在另一列中，它的范围是 100-1000，建议首先将所有列缩放到相同的范围以获得更好的性能。在本文中，我们无法深入讨论激活函数，但基本上，这些函数为我们的模型添加/引入非线性，你使用它们的次数越多，我们的模型可以找到的模式就越复杂。
2025-02-28 21:54:15
827
原创 Tensorflow 中的长短期记忆 （LSTM） RNN
上述架构描述了我们可以观察到 input（x） 传递到隐藏层 （c） 的 RNN 功能，其中隐藏层具有自环来存储内存，并且信息传递给输出层。它是最古老的网络之一，创建于 1980 年代，但当时没有计算机的计算能力，因此近年来它没有成为众人瞩目的焦点，由于高生成数据和计算机的高计算能力，它变得非常流行。它负责保留信息或忘记信息，因此对其应用 sigmoid 激活函数，如果它是 0（忘记信息）或 1（保留信息），则输出范围为 0-1。是 RNN 的子项，它可以存储长期信息并克服梯度消失的缺点。
2025-02-28 21:52:57
989
原创 如何处理 TensorFlow 模型中的过拟合？
80% 的数据分配给训练/验证组合集，进一步分为 75% 用于训练，25% 用于验证，而 20% 分配给测试集以评估训练模型的性能。：在密集层之间， 以 0.5 的速率应用，以在训练期间将神经元输出的一半随机设置为零，从而进一步防止过拟合。：使用 PCA 缩减的数据对模型进行训练，如果验证损失在 10 个周期内没有改善，则结合提前停止以停止训练，同时恢复训练期间观察到的最佳模型权重。：使用该方法在单独的测试数据集上评估模型的最终性能 ，返回最终损失和准确率，这有助于评估模型在训练数据之外的泛化程度。
2025-02-28 21:50:09
944
原创 如何安装 CentOS
它的目标是提供一个稳定的作系统，与上游 RHEL（Red hat enterprise Linux）提供很好的兼容性，因此 CentOS 是在服务器空间中使用的最好的免费 Linux 发行版之一。在开始安装过程之前，我们需要下载 CentOS 的 ISO 文件。单击适合您的系统架构的正确 ISO 文件（对于现代系统，很可能是 x86_64 文件）。选择要从中下载 ISO 的镜像（最好从您所在地区的镜像中下载，以获得更好的下载速度）。根据使用案例和对桌面的熟悉程度选择要安装的软件。我们的安装过程已成功启动。
2025-02-27 09:14:45
380
原创 如何在 Linux 上安装 C++ 代码块？
Code：：Blocks 是一个免费的 IDE（集成开发环境），适用于 C/C++ 和 FORTRAN 语言。它是一个跨平台的 IDE，适用于 Windows、Mac 和 Linux，在本文中，我们将讨论在 Linux 上安装代码块的各种方法。
2025-02-27 09:08:36
214
原创 机器学习 |使用 Python 的多元线性回归
在多个类别的情况下（例如，颜色：“红色”、“蓝色”、“绿色”），我们为每个类别创建一个虚拟变量，排除一个以避免。检查自变量之间的相关矩阵是检测多重共线性的常用方法。回归模型从数据集中学习一个函数（具有已知的 X 和 Y 值），并使用它来预测未知 X 的 Y 值。虚拟变量是二进制变量（0 或 1），表示每个类别的存在或不存在。数据集包含存储在 中的特征（例如收入中位数、平均房间数），目标（房价）存储在 中。它是一种用于对因变量和一个自变量之间的关系进行建模的统计方法。：因变量和自变量之间的关系应该是线性的。
2025-02-27 09:06:13
663
原创 如何在 MacOS 上安装 C++ 代码块？
Code：：Blocks 是一个免费的开源 IDE，支持大量 C++ 编译器，如 GCC、Clang 和 Visual C++。Code：：Blocks 专注于 C、C++ 和 Fortran 开发。在本文中，我们将讨论可以在 MacOS 上安装代码块的方法。单击对话框左下角的挂锁，然后在出现提示时输入系统密码，以允许更改。在 MacOS 上，Code：：Blocks 的编译器依赖于。打开 Code：：Blocks 应用程序。以启动 Code：：Blocks。打开下载的文件以开始安装。设置 - > 环境。
2025-02-27 09:06:02
672
原创 如何在 Windows 上安装 C++ 代码块？
我建议您下载写有 MinGW 的文件（“codeblocks-20.03mingw-setup.exe”），因为 MinGW 是运行程序所需的编译器。：转到您的代码块 MinGW 安装文件夹位置（对我来说是 C：\Program Files\CodeBlocks\MinGW\bin）并复制地址。codeblocks-20.03-nosetup.zip ： 这是一个 zip 文件，您不必安装 ，您只需解压缩并运行它即可。：安装完成后，单击“下一步”，然后单击“完成”：下载完成后，打开您的代码块设置文件。
2025-02-27 09:05:02
322
原创 使用 yolov8 进行对象检测
它对自动驾驶汽车和监控等事物的影响是巨大的，并且在该领域有很大的潜力进行更多的创新和探索。该代码加载 YOLOv8 模型以跟踪视频 （d.mp4） 中的对象，并检测它们何时越过定义的线。其强大的架构和创新功能确保它仍然是希望在其应用程序中实现高效、准确对象检测的开发人员和研究人员的首选。此外，它需要大量的计算资源进行训练，并且与其他一些模型相比，它具有更大的模型大小。确保您的数据集全面且标记准确。：尽管取得了所有这些进步，但 YOLOv8 在准确性和速度之间取得了平衡，使其成为实时对象检测应用的完美选择。
2025-02-22 00:00:00
846
原创 Python – 两个变量之间的 Pearson 相关性检验
因此，它似乎表明，如果我们应用 Pearson 相关，并且我们发现在第一个数据集（左上）情况下，高相关系数接近 1。关键在于这里，我们不能立即得出结论，如果 Pearson 相关系数很高，那么它们之间存在线性关系，例如在第二个数据集（右上）中，这是一个非线性关系，并且仍然会产生高值。因此，如果我们将 Pearson 相关系数应用于这些数据集中的每一个，我们会发现它几乎相同，无论您实际上是应用于第一个数据集（左上）还是第二个数据集（右上）还是第三个数据集（左下）都无关紧要。x， y：具有相同长度的数值向量。
2025-02-22 00:00:00
777
原创 函数调用和 Java 与 Spring AI 模型的集成
通过将 AI 模型集成到 Java 应用程序中，Spring AI 简化了创建智能应用程序的过程，同时利用了 Spring 生态系统的稳健性。与一些与 Python 紧密耦合的 AI 框架不同，Spring AI 是独立于语言构建的，使 Java 开发人员能够利用 AI 的强大功能，而无需切换到基于 Python 的工具。本文将指导您完成使用 Spring AI 将 AI 模型集成到 Java 应用程序中的步骤，特别关注允许 AI 模型与外部数据源和服务动态交互的函数调用机制。
2025-02-21 09:19:24
1081
半导体学会1元件级可靠性简介
2025-04-04
半导体学会2晶圆级可靠性
2025-04-04
HVAC管道设计与气流分配课程
2025-04-04
手动 HVAC 设计和 HAP
2025-03-30
在15层RC的结构设计中学习ETABS和SAFE
2025-03-29
使用 PLAXIS 3D 进行高级地震分析
2025-03-29
防爆建筑设计 Part1
2025-03-29
为 Modflow 模型、Flopy Python 创建边界条件
2025-03-29
使用 RS DEM 和 RAS Mapper 的洪水泛滥制图
2025-03-29
Civil3D经典课程
2025-03-23
使用 Visual Modflow Flex-Level2 进行地下水建模
2025-03-23
Plaxis 2D 和 3D
2025-03-23
使用SolidWorks Free Surface进行CFD分析和优化
2025-03-16
//基本 COCOMO 模型示例假设一个 Basic 项目估计为 400 KLOC（千字节代码）
2025-03-10
/要在特定位置插入新节点，我们需要遍历列表到位置 – 1 如果位置有效，我们以类似方式调整指针
2025-03-10
//查找相关系数的程序，给定两个数组元素，我们必须找到两个数组之间的相关系数
2025-03-10
Wireshark 中的流图和时间戳,时间戳是确定某个事件发生的时间的字符序列
2025-03-06
Wireshark – 数据包捕获和分析,本文将介绍数据包捕获和分析的方法 本文还将介绍一些用于提高捕获和分析过程中效率的高级工具
2025-03-06
在链表中的特定位置插入插入新节点，我们需要遍历列表到位置 – 1 如果位置有效，我们以类似方式调整指针
2025-03-04
给定两个数组元素，我们必须找到两个数组之间的相关系数
2025-03-04
钻头固定的参数化模型 公称直径适合安装在汤罐周围，版本 1.2 中的孔径范围为 3 毫米至 10 毫米
2025-03-02
正齿轮减速机 - 变速箱 正齿轮减速器变速箱 3D 在 Creo 11 中设计 包括 STEP 组件
2025-03-02
四轴飞行器是一种利用四个旋翼实现升力和推进的飞行器
2025-03-02
卷积层是卷积神经网络 （CNN） 的基础，它擅长处理空间数据，例如图像、时间序列数据和体积数据 这些层应用卷积过滤器来提取有意义的特征，如边缘、纹理和图案
2025-03-01
Tensorflow 中的卷积神经网络 （CNN）
2025-03-01
机器人足球机器人 该机器人用于机器人足球比赛，可通过 ESP32 Wi-Fi 模块或蓝牙模块、移动远程应用程序或 PS4 遥控器进行控制
2025-03-01
双进料锁和固定系统 双进料器锁和固定器系统 (SLVNR01-04-00) 是一种先进的材料进料系统，专为自动化生产线中的精确流量控制而设计 该装置集成了两个关键组件：
2025-03-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人