ye13213的博客

原创 助推器的拓扑优化

在PROPERTY模块，创建MAT_MID_1材料：杨氏模量为210GPa、泊松比为0.3的弹性材料。创建截面：壳体，均质，材料：MAT_MID_1。指派截面：将截面赋予整个零件。在ASSEMBLY模块，创建实例。

原创 空气梁的拓扑优化

在PROPERTY模块，创建Material-1材料：杨氏模量为210GPa、泊松比为0.3的弹性材料。创建Section-1截面：实体，均质，材料：Material-1。指派截面：将Section-1面赋予整个零件。在ASSEMBLY模块，创建实例。

原创 换档控制支架的尺寸优化-abaqus操作过程

在PROPERTY模块，创建Material-Elastic材料：密度为7.84E-09 tonne/mm3、杨氏模量为206000MPa、泊松比为0.3的弹性材料。创建Section-Shell截面：壳体，均质，材料：Material-Elastic，厚度：1mm。指派截面：将Section-Shell截面赋予整个壳体零件。

原创 板材的加强筋优化-abaqus操作过程

在PROPERTY模块，创建Material-Steel材料：密度为7.81E-09 tonne/mm3、杨氏模量为210000MPa、泊松比为0.3的弹性材料。创建Section-Shell截面：壳体，均质，壳体厚度为1.5 mm，材料：Material-Steel，使用默认的Simpson积分规则，其中五个积分点穿过壳截面。指派截面：将Section-Shell截面赋予整个壳体零件。

原创 连杆的形状优化-abaqus操作过程

在PROPERTY模块，创建Elastic_Mat材料：密度为7.81E-09 tonne/mm3、杨氏模量为210000MPa、泊松比为0.3的弹性材料。创建Section-Solid截面：实体，均质，材料：Elastic_Mat。指派截面：将Section-Solid截面赋予整个实体零件。

原创 汽车控制臂的拓扑优化-abaqus操作过程

在PROPERTY模块，创建STEEL材料：杨氏模量为210GPa、泊松比为0.3的弹性材料。创建Section_Solid截面：实体，均质，材料：STEEL。指派截面：将Section_Solid截面赋予整个实体零件。

原创 板材的加强筋优化

本示例使用优化模块通过引入加强筋来优化简单板的刚度。

原创 换档控制支架的尺寸优化

本示例使用优化模块，通过在保持原始重量的同时改变壳体厚度，使冲压钣金支架中的应变能之和最小化（使刚度最大化）。

原创 连杆的形状优化

本示例使用优化模块在不改变连杆体积的情况下将连杆中的应力集中降至最低。

原创 汽车控制臂的拓扑优化

本示例使用优化模块通过减小控制臂的体积同时最大化其刚度来优化汽车控制臂的设计。

原创 使用abaqus进行结构优化

使用Abaqus进行结构优化是一个帮助您完善设计的迭代过程，良好的结构优化的结果是重量轻、刚性强、耐用的部件。Abaqus提供了以下结构优化方法：拓扑优化、形状优化、尺寸优化和加强筋优化，他们由一系列目标函数和约束条件控制。

原创 使用anaqus进行汽车控制臂的拓扑优化

本例说明了汽车控制臂的拓扑优化，在拓扑优化的过程中，设计区域单元的材料属性不断更改，直到实现最优解。

原创 动手深度学习-3.5 图像分类数据集

MNIST数据集是图像分类中广泛使用的数据集之一，但作为基准数据集过于简单，我们将使用类似但更复杂的Fashion-MNIST数据集。

原创 动手深度学习-3.4 softmax回归

分类包含两种情况：1.我们只关心样本属于哪个列别(硬分类)；2.我们希望得到样本属于每个类别的概率(软分类)。

原创 动手深度学习-3.3 线性回归的简洁实现

深度学习框架为我们实现了：数据迭代器、损失函数、优化器、神经网络层等。3.2.2 读取数据集-使用iter构造Python迭代器，并使用next从迭代器中获取第一项。

原创 遗传算法的python实现

【代码】遗传算法的python实现。

原创 动手深度学习-3.2 线性回归的从零开始实现

定义模型，将模型的输入和参数同模型的输出关联起来。使用平方损失函数使用小批量随机梯度下降。

原创 动手深度学习-3.1 线性回归

机器学习模型中的关键要素是训练数据、模型、损失函数、优化算法。

原创 动手深度学习-2.6 概率

概率给了我们一种正式的途径来说明我们的确定性水平。

原创 动手深度学习-2.5 自动微分

深度学习框架通过自动微分来加快求导，系统会根据模型构建一个计算图，反向传播会跟踪整个计算图，填充关于每个参数的偏导数。

原创 动手深度学习-2.4 微积分

拟合模型的任务分解为两个关键问题：优化和泛化。

原创 动手深度学习-2.3 线性代数

线性代数中的基本数学对象：标量(0维)、向量(1维)、矩阵(2维)、张量(任意维)。

原创 动手深度学习-2.2 数据预处理

使用pandas软件包预处理原始数据。

原创 动手深度学习-2.1 数据操作

深度学习使用的主要数据结构是张量， 其支持GPU加速和自动微分。本章介绍张量的操作如下：基本数学运算、广播机制、索引和切片、节省内存、转换其他Python对象。

原创 在jupyternotebook中使用tensorboard可视化

jupyternotebook中使用tensorboard的关键命令%load_ext tensorboard%tensorboard --logdir=./runs --port=6006

原创 使用winPE重置用户密码

原创 使用微PE安装U盘windows系统

6.使用DiskGenius对要安装系统的磁盘进行分区 【删除所有分区-保存更改-转换为GUID格式(GPT分区 )？-新建分区-建立ESP分区 -建立主分区-保存更改】。4.装载windows 10 iso镜像文件，并将文件复制到U盘新建文件夹(windows10)中。5.重启电脑，设置 BIOS选项为USB优先启动，F10保存设置，进入PE系统。3.打开微PE工具箱，安装PE到U盘。7.使用windows安装器进行安装。

原创 nvidia-smi不是内部或外部命令，也不是可运行的程序

2.打开nvidia-smi路径 cd C:\Program Files\NVIDIA Corporation\NVSMI，然后运行nvidia-smi。1.将nvidia-smi路径添加到环境变量。

原创 把windows系统装进U盘

为了满足随身携带办公电脑的需求，需要将Windows系统装进U盘或者移动硬盘。2.创建windows ISO镜像文件。5.设置BIOS启动项为U盘启动。4.使用rufus制作系统盘。

原创 学习python的成长之路

python中的基本操作1、显示当前工作目录import osos.getcwd()2、更改目录工作import osos.chdir("d:\\")3、显示当前目录下的文件import osos.listdir()4、清屏原来的命令行及运行结果import osos.system("cls")------------------------------------

原创 Windows系统运行VirtualBox一直出现0x00000000指令引用的0x00000000内存该内存不能为written

背景：Windows 7系统安装VirtualBox软件，并在软件中运行linux操作系统。问题描述：运行VirtualBox时，总是出现0x00000000指令引用的0x00000000内存该内存不能为written。解决方法：勾选启用 PAE/NX （设置->系统->处理器）希望能分享我的经验，同时也希望各位读者验证下方法的正确性！

转载 python中sort()函数和sorted()函数的区别

Python中的sort()方法用于数组排序，本文以实例形式对此加以详细说明：一、基本形式列表有自己的sort方法，其对列表进行原址排序，既然是原址排序，那显然元组不可能拥有这种方法，因为元组是不可修改的。?123x =[4,6, 2,1, 7,9]x.sort()print x # [1, 2,

原创 c++中map容器的使用

#include #include #include #include using namespace std;int main(){map word_count;word_count["Anna"] = 1;word_count["Lily"] = 2;word_count["Ryan"] = 1;word_count.insert(map::va