墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
5.6k累计阅读
5.6k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
AI摘要
当使用SolidWorks2016时，新建零件并绘制草图时，软件可能会因显卡驱动冲突而崩溃。通过检查网上资料，发现该问题是由于显卡驱动与软件不兼容。两种解决方法包括：一是在软件设置中切换到软件OpenGL，但这会导致显示变慢；二是回退显卡驱动到先前版本，这能有效解决冲突而不影响软件性能。
现象：
solid works2016软件，新建零件，打开草图，绘制草图图形的第一条直线，不显示绘制的图形，反而卡顿一下，软件就崩溃退出了，然后就是很多人可能见过的”错误报告“界面⬇
原因：
查阅网上经验资料得出是由于显卡驱动和solid works软件冲突。
解决办法：
1.打开solid works→工具→选项→性能→使用软件OpenGL，此方法会拖慢solid works显示速度，显示图形变得卡顿，没有完美解决问题。
2.打开设备管理器→显示适配器→显卡名称上右键→属性→驱动程序→回退驱动程序→随便选择一个理由→点击”是“确定等待几秒就完成了（若无法点击则下载老版本驱动程序安装即可，比如上一个版本的驱动），此方法可完美解决软件冲突。
Mac本地部署OpenClaw：从零搭建企业级知识库AI助手
大语言模型（LLM）作为当前人工智能的核心技术，通过其强大的自然语言理解和生成能力，正在深刻改变信息交互方式。其原理是基于海量数据训练的深度神经网络，能够根据上下文预测并生成连贯文本。这一技术的核心价值在于，它能够作为智能中枢，理解和执行复杂指令，从而将通用AI能力转化为解决特定业务问题的生产力。在工程实践中，通过AI Agent框架（如OpenClaw）将LLM与外部工具和知识系统连接，是实现其价值的关键。这涉及到**本地部署**与**私有化**部署，以确保数据安全与成本可控。具体应用场景包括企业知识库问
Solidworks编辑零件卡死解决方案
今天弄一个模型，能够打开，但随便编辑任何特征都会卡死，加新的特征也会卡死。但其他零件就没事。首先想到显卡，切换到独显进入程序，还是卡死。 之后想到Solidworks刚装的2017版，之前零件是2014版做的，保存时还更新了版本，想着要不退回旧版试试。结果SW根本就没有选项！搜索一圈，发现说法都是转中间格式再导入，稍微靠谱点的就是转Parasolid，说这样能保留特征树（没亲自试过）。之后找到希腊
QT的温湿度显示系统
大家好，这里是石侃侃的博客，欢迎前来讨论这篇文章介绍的是DHT11在2440上的基于Qt5.6的应用基于单片机系统的温湿度监测系统构成框图如图2-1所示。图2-1 系统构成框图该系统采用单片机s3c2440作为了本设计的核心元件。利用LCD作为了显示器件，利用触摸屏作为用户界面输入设备，第一行显示当前实时的温度，湿度，第二行依次显示历史时刻最高的温度值，最高的湿度值。第三行是一个文本框，记录了程...
solidworks画图很卡解决办法
solidworks画图很卡解决办法
Labelme安装教程（附Anaconda安装教程）
本文详细介绍了如何安装Anaconda和Labelme，还提供了常见问题的解决建议。
C# OpenCvSharp4实战：5分钟搞定工业视觉模板匹配（附完整代码）
本文为C#开发者提供了基于OpenCvSharp4的工业视觉模板匹配实战指南。通过详细的环境搭建、核心原理解析和完整代码示例，重点介绍了如何使用`matchTemplate`函数，特别是`CCoeffNormed`方法，快速实现高精度、抗光照变化的模板匹配，并分享了多目标匹配、图像预处理等工业级优化技巧。
踩坑记录：SolidWorks崩溃，闪退
最近用SolidWorks画图时总是出现崩溃、闪退的问题
GVINS数据采集（u-blox fp9 + D435i）
1、配置千寻的RTK账号 采集数据当天购买千寻的RTK账号，然后在Window下，输入账号和密码 (具体的步骤如之前面连接所示)，查看u-center软件上的信息，确保接收机可以收到RTK信息； 2、查看Linux系统下u-blox是否可以正常接受GPS信号和RTK数据流 1、GPS信号信息 // 打开端口 1 cd ublox_f9p/src // 或者在终端1下也可以 source devel/setup.bash r.....................
Solidworks安装后启动（打开）崩溃，显示已停止工作
卸载solidworks重新安装之后，发现出现solidworks停止工作，但是安装的其他插件如solidworks visualize、eDrawings等均能打开，因此选择打开安装时候的安装包，重新修复一下，选择全部（本体和插件），修复1次后，仍然存在此问题。然后再使用安装程序setup.exe单独对solidworks.exe本体进行修复。修复后问题得到解决。偶然间看到一个方案，可能是启动的dll出现问题。接着，又使用安装程序setup.exe对所有安装进行了两次修复，还是出现上述问题。
5、癌症数据预处理技术与深度学习在癌症预测中的应用
本文详细介绍了癌症数据预处理技术和深度学习在癌症预测中的应用。针对CT扫描图像、X射线图像、超声图像、基因表达数据和文本数据等不同类型的癌症数据，分别阐述了去噪、插值、配准、归一化等预处理技术的具体方法。同时，分析了深度学习在乳腺癌、白血病和宫颈癌预测中的作用，结合相关影响因素探讨了模型的应用潜力。此外，还总结了深度学习在癌症预测中面临的挑战及未来发展方向，为癌症的早期诊断与精准预测提供了理论支持和技术参考。
ARFoundation系列讲解 - 24 锚点
一、添加平面检测和平面可视化 请参考 ARFounnation快速入门-08平面检测 案例 二、添加射线检测 1.在AR Session Origin 组件上添加ARRaycastManager 脚本
SolidWorks卡到崩溃？5个硬件设置与系统优化技巧，速度飙升200%！
但再好的武器也需要精心调教，否则“卡顿、延迟、未响应”就会成为你的噩梦。： “速度飙升200%”是一个形象化的说法，实际提升效果因你的硬件基础和环境而异，但对于设置不当的电脑，获得翻倍级的流畅度提升是完全可能的。这在大型装配体中效果显著，牺牲一点点显示精度，换来巨大的流畅度提升。SW的重建操作是单核高频敏感型，相比之下，核心数量反而没那么重要。（如果你的显卡不是专业卡，有时开启此选项反而更稳定，可尝试切换看效果）。两个维度，分享5个立竿见影的技巧，让你的SolidWorks真正飞起来。
pytorch搭建SSAE实现预测分类代码模板完整代码
pytorch搭建SSAE实现预测分类代码模板完整代码
solidworks打开闪退
修复完成重新打开solidworks。运行solidworks闪退。
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
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');```[](https://bitdeli.com/free "Bitdeli Badge")
SolidWorks安装成功但新建零件会崩溃
最近要用SolidWorks，下载安装完成后，发现新建零件会崩溃。 试了很多种办法都没有解决。之后发现将设置里的“使用软件OpenGL”勾选后，此问题可以解决。但这不是最完美的解决方式，仅仅是让应用不崩溃了而已。其实该问题的原因是我的电脑上的显卡驱动版本太低。这个我们放到后面再说，先说如何设置OpenGL解决问题。 步骤如下： 打开SolidWorks，点击设置按钮 出现如上界面，选择...
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
win11系统安装solidworks2016破解闪退问题解决办法
由于工作原因，今天需要安装一个solidworks 2016，电脑是win11系统，前面安装都很正常，但是用“SW2010-2016.Activator.GUI.SSQ.exe” active的时候，软件直接闪退了。经过了一番折腾才终于看到了“all done!enjoy.” 所以与大家分享一下操作方法。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
solidworks验证许可闪退_Win7系统运行SolidWorks软件闪退的解决办法
SolidWorks软件打不开怎么办？最近有用户在Win7系统电脑上安装了SolidWorks软件，但是双击运行时却闪退了，该如何修复这个问题？本文就给大家分享Win7系统打开SolidWorks软件时出现闪退的解决办法。解决方法：1、点击电脑最左下角的图标；2、点击“所有程序”出来下图界面；3、点击“Solidworks 2011”选项(我电脑上的版本是2011版的)；4、点击“Solidwor...
【Solidworks崩溃解决办法之一】【关闭OpenGL】
@【Solidworks崩溃解决办法之一】【->关闭OpenGL】 一、崩溃现象表述： 在使用Solidworks的过程中（我使用的是SW2016），当鼠标光标移到设计树上（有可能进行其他操作也会出现问题）并且想进行下一步操作时，SW2016开始卡顿，无法进行其他任何操作，然后即出现崩溃。 二、原因分析： 导致这个问题的原因之一可能是设置打开了OpenGL，因此我们需要把它关掉。 三、解决方案： 1.首先打开solidworks（不要打开任何其他零件或者文件，仅打开软件） 2.点击如图所示的小按钮【
5步操作，解决SOLIDWORKS处理复杂零件时卡顿的问题
最近有工程师提出问题，零件中带有比较复杂的阵列特征，在使用SOLIDWORKS编辑修改特征的时候，操作会非常的卡，而且该零件保存后，文件大小也会非常大。针对这一类带有复杂阵列特征的零件，建议大家做如下操作： 1. 设计的时候，先把这些阵列特征压缩掉，然后绘制新特征或编辑之前的特征，完整零件设计后，将这些阵列特征解除压缩； 2. 如果已经绘制好的特征不需要编辑的话，建议使用冻结功能，这样在后续的绘制过程中，之前的特征就不会再做重建模型的后台操作，不会占用太多的资源了； 3. 注意阵列的使用，不要在草图里
solidworks 故障模块： ig9icd64:0002DB62 解决办法
solidworks 故障模块： ig9icd64:0002DB62 解决办法 问题描述： solidworks 2018突然画不了图，一画草图就崩溃。 解决办法： 点勾的地方重新启动solidworks就能画图了。 补充： 不过每次都要在 solidworks rx 里重新启动才行，直接启动还是画不了图的。 可能是我之前更新驱动之类的吧，欢迎探讨 ...
解决Solidworks ig9icd64:00021621崩溃问题。
电脑配置： CPU：i5 7500 内存：8G 显卡：Intel HD graphics 630 系统：win10 今天上午装Solidworks2018，打开绘图就崩溃，错误代码ig9icd64:00021621，百度了一下，有人说这个就是显卡驱动的问题，可能是因为装了新驱动，安装了老驱动就好了。 解决办法：上Intel驱动官网下载老一点的驱动，安装重启解决问题。 随手记录仅...
SolidWorks频繁闪退，可能是(百度)输入法引起的
我电脑的操作系统是Win 10 1803(17134.167)，硬件:i7-6700HQ，16GB DDR4内存，Intel HD 530+GTX 970M. 在自己电脑上装过SolidWorks 2017和2018，这两者闪退的频率都惊人的高。快的话，启动后几十秒就闪退了，慢的话也撑不过2小时，2小时内必有一次闪退。有时候是毫无征兆地闪退，有时则会先出现“您的桌面应用程序资源严重...
sw运行很卡怎么办_solidworks2016在win10下运行很卡怎么办_solidworks在win10中打开缓慢如何解决...
我们要知道，solidworks是一款专门负责研发与销售机械设计软件的视窗产品，也是相关专业用户的好帮手，但是最近有用户在自己的win10系统电脑上运行solidworks2016的过程却是很卡顿，那么solidworks2016在win10下运行很卡怎么办呢？下面就来教大家solidworks在win10中运行缓慢卡顿的解决方法。具体方法：1、 查看显卡，测试SolidWorks我的电脑(右键)...
解决不能完全卸载solidworks2016的方法之一
solidworks2016，以前在win7安装过，并且正常使用。 如今在win10安装，无法安装成功并且无法卸载干净。另外，还按照搜索到的一些方法进行了文件的删除。 但是依然每次开机都是配置画面，小崩溃┭┮﹏┭┮ ...
3D ACIS Modeler 在测量软件里怎么用？几何查询、区域判断与测点布点
本文面向测量软件开发团队，梳理 CAD 模型导入三坐标测量软件后的几何判断工作：如何借助 3D ACIS Modeler 完成模型对象访问、测量区域判断与空间关系分析，并结合 LK Metrology CAMIO 官方案例说明内核与应用的分工，最后给出自研与引入内核的评估思路。
3D CAD参数化建模原理详解：尺寸参数、几何约束与特征关系
3DCAD参数化建模通过尺寸参数、几何约束与特征依赖关系，将设计意图融入模型，实现自动更新。其核心在于明确变量关联、合理设置约束、理顺特征逻辑。修改时，系统依规则重算几何，但需防范约束冲突、依赖失效等问题。提升可维护性需规划关键参数、优化建模结构，并验证多场景适用性。大腾智能ZCAD以自主内核与智能交互支持高效参数化设计，兼顾传统建模与同步修改需求，助力系列化开发与持续迭代。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
376
扫一扫
