在所选中的物体中取消选中一些物体.txt

本文介绍了一个简单的脚本,展示了如何在所选物体中随机取消选中一些物体,并实现Y轴上的随机位移。通过遍历物体列表并应用随机数生成功能,实现物体状态的动态变化。

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

window -t "" mywnd;
columnLayout -adj 1;
button -l "Deselect" -command "delselect";
button -l "randY" -command "randy";
proc delselect()//在所选中的物体中取消选中一些物体
{
    string $sel[]=`ls -sl`;
    for($i=0;$i<size($sel);$i++)
    {
        $i=rand(size($sel));
        select -tgl $sel[$i] ;
        select -d $sel[$i] ;
        select -d $sel[$i] ;
        select -d $sel[$i] ;
    }
}
proc randy()//随机位移Y
{
    string $sel[]=`ls -sl`;
    for($i=0;$i<size($sel);$i++)
    {
        float $y=rand(-.08,.08);
        setAttr ($sel[$i]+".translateY") $y;
    }
}
showWindow mywnd;




转载于:https://www.cnblogs.com/xe2011/archive/2012/06/05/2535577.html

内容概要:本文详细介绍了深度学习的基本概念和技术要点,涵盖了从基础知识到高级模型的多个方面。首先,文中强调了激活函数与权重初始化的最佳实践,如ReLU搭配He初始化,Sigmoid或Tanh搭配Xavier初始化。接着,文章系统地讲解了深度学习所需的数学基础(线性代数、微积分、概率统计)、编程技能(Python、PyTorch/TensorFlow)以及机器学习基础(监督学习、无监督学习、常见算法)。此外,还深入探讨了神经网络的核心组件,包括前向传播、反向传播、激活函数、优化算法、正则化方法等,并特别介绍了卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、注意力机制(Attention)、Transformer架构及其衍生模型(BERT、GPT)。最后,文章讨论了大模型训练、分布式训练、模型压缩、Prompt Engineering、文本生成、多模态学习等前沿话题,并提供了学习资源推荐。 适合人群:对深度学习有一定兴趣并希望深入了解其原理的研究人员、工程师或学生,尤其是那些具备一定编程基础和数学知识的人群。 使用场景及目标:①帮助读者理解深度学习中的关键概念和技术细节;②指导读者如何选择合适的激活函数和权重初始化方法;③为读者提供构建和优化神经网络模型的实际操作指南;④介绍最新的研究进展和发展趋势,拓宽读者视野。 其他说明:建议读者在学习过程中结合实际案例进行练习,积极尝试文中提到的各种技术和工具,同时关注领域内的最新研究成果,以便更好地掌握深度学习的应用技巧。
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