cad圖塊路徑的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

PyTorch深度學習和圖神經網路（卷2）--開發應用

為了解決cad圖塊路徑的問題，作者李金洪 這樣論述：

本書通過深度學習實例，從可解釋性角度出發，闡述深度學習的原理，並將圖神經網路與深度學習結合，介紹圖神經網路的實現技術。本書分為6章，主要內容包括：圖片分類模型、機器視覺的 應用、自然語言處理的相關應用、神經網路的可解釋性、識別未知分類的方法——零次學習、異構圖神經網路。本書中的實例是在PyTorch框架上完成的，具有較高的實用價值。 本書適合人工智慧從業者、程式師進階學習，也適合作為大專院校相關專業師生的教學和學習用書，以及培訓學校的教材。 李金洪 精通C、Python、Java語言，擅長神經網路、算法、協定分析、移動互聯網安全架構等技術，先後擔任過CAD算法工程師、架構

師、專案經理、部門經理等職位。參與過深度學習領域某移動互聯網後臺的OCR項目，某娛樂節目機器人的語音辨識、聲紋識別專案，金融領域的若干分類專案。 第1章 圖片分類模型　1 1.1　深度神經網路起源　2 1.2　Inception系列模型　2 1.2.1　多分支結構　2 1.2.2　全域均值池化　3 1.2.3　Inception V1模型　3 1.2.4　Inception V2模型　4 1.2.5　Inception V3模型　5 1.2.6　Inception V4模型　6 1.2.7　Inception-ResNet V2模型　6 1.3　ResNet模型　6 1.3

.1　殘差連接的結構　7 1.3.2　殘差連接的原理　8 1.4　DenseNet模型　8 1.4.1　DenseNet模型的網路結構　8 1.4.2　DenseNet模型的特點　9 1.4.3　稠密塊　9 1.5　PNASNet模型　9 1.5.1　組卷積　10 1.5.2　深度可分離卷積　11 1.5.3　空洞卷積　12 1.6　EfficientNet模型　14 1.6.1　MBConv卷積塊　15 1.6.2　DropConnect層　16 1.7　實例：使用預訓練模型識別圖片內容　16 1.7.1　瞭解torchvision庫中的預訓練模型　16 1.7.2　代碼實現：下載並載入預訓

練模型　17 1.7.3　代碼實現：載入標籤並對輸入資料進行預處理　18 1.7.4　代碼實現：使用模型進行預測　19 1.7.5　代碼實現：預測結果視覺化　20 1.8　實例：使用遷移學習識別多種鳥類　21 1.8.1　什麼是遷移學習　21 1.8.2　樣本介紹：鳥類資料集CUB-200　22 1.8.3　代碼實現：用torch.utils.data介面封裝資料集　22 1.8.4　代碼實現：獲取並改造ResNet模型　27 1.8.5　代碼實現：微調模型 一層　28 1.8.6　代碼實現：使用退化學習率對 模型進行全域微調　29 1.8.7　擴展實例：使用亂數據增強方法訓練模型　30 1.

8.8　擴展：分類模型中常用的3種損失函數　31 1.8.9　擴展實例：樣本均衡　31 1.9　從深度卷積模型中提取視覺特徵　33 1.9.1　使用鉤子函數的方式提取視覺特徵　33 1.9.2　使用重組結構的方式提取視覺特徵　34 第2章 機器視覺的 應用　37 2.1　基於圖片內容的處理任務　38 2.1.1　目標檢測任務　38 2.1.2　圖片分割任務　38 2.1.3　非極大值抑制演算法　39 2.1.4　Mask R-CNN模型　39 2.2　實例：使用Mask R-CNN模型進行目標檢測與語義分割　41 2.2.1　代碼實現：瞭解PyTorch中目標檢測的內置模型　41 2.2.2

　代碼實現：使用PyTorch中目標檢測的內置模型　42 2.2.3　擴展實例：使用內置的預訓練模型進行語義分割　43 2.3　基於視頻內容的處理任務　47 2.4　實例：用GaitSet模型分析人走路的姿態，並進行身份識別　47 2.4.1　步態識別的做法和思路　47 2.4.2　GaitSet模型　48 2.4.3　多層全流程管線　50 2.4.4　水準金字塔池化　51 2.4.5　三元損失　52 2.4.6　樣本介紹：CASIA-B資料集　53 2.4.7　代碼實現：用torch.utils.data介面封裝資料集　54 2.4.8　代碼實現：用torch.utils.data.samp

ler類創建含多標籤批次數據的採樣器　60 2.4.9　代碼實現：搭建 GaitSet模型　64 2.4.10　代碼實現：自訂三元損失類　67 2.4.11　代碼實現：訓練模型並保存模型權重檔　69 2.4.12　代碼實現：測試模型　72 2.4.13　擴展實例：用深度卷積和 池化 優化模型　77 2.4.14　擴展實例：視頻採樣並提取 輪廓　78 2.4.15　步態識別模型的局限性　79 2.5　調試技巧　79 2.5.1　解決顯存過滿損失值為0問題　80 2.5.2　跟蹤PyTorch顯存並查找顯存洩露點　81 第3章　自然語言處理的相關應用　83 3.1　BERT模型與NLP任務的發展

階段　84 3.1.1　基礎的神經網路階段　84 3.1.2　BERTology階段　84 3.2　NLP中的常見任務　84 3.2.1　基於文章處理的任務　85 3.2.2　基於句子處理的任務　85 3.2.3　基於句子中詞的處理任務　86 3.3　實例：訓練中文詞向量　87 3.3.1　CBOW和Skip-Gram模型　87 3.3.2　代碼實現：樣本預處理並生成字典　88 3.3.3　代碼實現：按照Skip-Gram模型的規則製作資料集　90 3.3.4　代碼實現：搭建模型並進行 訓練　92 3.3.5　夾角余弦　95 3.3.6　代碼實現：詞嵌入視覺化　96 3.3.7　詞向量的應用　

97 3.4　常用文本處理工具　98 3.4.1　spaCy庫的介紹和安裝　98 3.4.2　與PyTorch深度結合的文本 處理庫torchtext　99 3.4.3　torchtext庫及其內置資料集與 調用庫的安裝　99 3.4.4　torchtext庫中的內置預訓練詞 向量　100 3.5　實例：用TextCNN模型分析評論者是否滿意　100 3.5.1　瞭解用於文本分類的卷積神經網路模型——TextCNN　101 3.5.2　樣本介紹：瞭解電影評論 資料集IMDB　102 3.5.3　代碼實現：引入基礎庫　102 3.5.4　代碼實現：用torchtext載入 IMDB並拆分為資料集

　103 3.5.5　代碼實現：載入預訓練詞向量並進行樣本資料轉化　105 3.5.6　代碼實現：定義帶有Mish啟動 函數的TextCNN模型　107 3.5.7　代碼實現：用資料集參數產生實體 模型　109 3.5.8　代碼實現：用預訓練詞向量 初始化模型　109 3.5.9　代碼實現：用Ranger優化器訓練模型　109 3.5.10　代碼實現：使用模型進行預測　112 3.6　瞭解Transformers庫　113 3.6.1　Transformers庫的定義　113 3.6.2　Transformers庫的安裝方法　114 3.6.3　查看Transformers庫的版本資訊　115

3.6.4　Transformers庫的3層應用 結構　115 3.7　實例： 使用Transformers庫的管道方式完成多種NLP任務　116 3.7.1　在管道方式中 NLP任務　116 3.7.2　代碼實現：完成文本分類任務　117 3.7.3　代碼實現：完成特徵提取任務　119 3.7.4　代碼實現：完成完形填空任務　120 3.7.5　代碼實現：完成閱讀理解任務　121 3.7.6　代碼實現：完成摘要生成任務　123 3.7.7　預訓練模型檔的組成及其載入時的固定檔案名稱　124 3.7.8　代碼實現：完成實體詞識別任務　124 3.7.9　管道方式的工作原理　125 3.7.1

0　在管道方式中載入 模型　127 3.8　Transformers庫中的AutoModel類　128 3.8.1　各種AutoModel類　128 3.8.2　AutoModel類的模型載入機制　129 3.8.3　Transformers庫中 多的預訓練 模型　130 3.9　Transformers庫中的BERTology系列模型　131 3.9.1　Transformers庫的檔結構　131 3.9.2　查找Transformers庫中可以使用的模型　135 3.9.3　實例：用BERT模型實現完形填空任務　136 3.9.4　擴展實例：用 AutoModelWithMHead類 替換

BertForMaskedLM類　138 3.10　Transformers庫中的詞表工具　139 3.10.1　PreTrainedTokenizer類中的 特殊詞　139 3.10.2　PreTrainedTokenizer類的 特殊詞使用　140 3.10.3　向PreTrainedTokenizer類中 添加詞　144 3.10.4　實例：用手動載入GPT-2模型 權重的方式將句子補充完整　145 3.10.5　子詞的拆分　148 3.11　BERTology系列模型　149 3.11.1　Transformer之前的主流模型　149 3.11.2　Transformer模型　151

3.11.3　BERT模型　153 3.11.4　GPT-2模型　157 3.11.5　Transformer-XL模型　157 3.11.6　XLNet模型　158 3.11.7　XLNet模型與AE模型和AR 模型間的關係　161 3.11.8　RoBERTa模型　161 3.11.9　SpanBERT模型　162 3.11.10　ELECTRA模型　162 3.11.11　T5模型　163 3.11.12　ALBERT模型　164 3.11.13　DistillBERT模型與知識蒸餾　166 3.12　實例： 用遷移學習訓練BERT模型來對中文分類　167 3.12.1　樣本介紹　167

3.12.2　代碼實現：構建資料集　168 3.12.3　代碼實現：構建並載入BERT預訓練模型　169 3.12.4　BERT模型類的內部邏輯　170 3.12.5　代碼實現：用退化學習率訓練模型　172 3.12.6　擴展： 多的中文預訓練模型　175 3.13　實例：用R-GCN模型理解文本中的代詞　175 3.13.1　代詞資料集　175 3.13.2　R-GCN模型的原理與實現　176 3.13.3　將GAP資料集轉化成圖結構資料的思路　179 3.13.4　代碼實現：用BERT模型提取代詞特徵　181 3.13.5　代碼實現：用BERT模型提取 其他詞特徵　183 3.13.6　

用spaCy工具對句子依存 分析　185 3.13.7　代碼實現：使用spaCy和批次 圖方法構建圖資料集　187 3.13.8　代碼實現：搭建多層R-GCN 模型　192 3.13.9　代碼實現：搭建神經網路 分類層　193 3.13.10　使用 交叉驗證方法訓練 模型　196 第4章　神經網路的可解釋性　197 4.1　瞭解模型解釋庫　198 4.1.1　瞭解Captum工具　198 4.1.2　視覺化可解釋性工具Captum Insights　198 4.2　實例：用可解釋性理解數值分析神經網路模型　199 4.2.1　代碼實現：載入模型　199 4.2.2　代碼實現：用梯度積分演算法

分析模型的敏感屬性　200 4.2.3　代碼實現：用Layer Conductance方法查看單個網路層中的神經元　202 4.2.4　代碼實現：用Neuron Conductance方法查看每個神經元所關注的屬性　204 4.3　實例：用可解釋性理解NLP相關的神經網路模型　205 4.3.1　詞嵌入模型的可解釋性方法　205 4.3.2　代碼實現：載入模型類並將其處理 過程拆開　206 4.3.3　代碼實現：產生實體並載入模型權重，提取模型的詞嵌入層　207 4.3.4　代碼實現：用梯度積分演算法計算模型的可解釋性　208 4.3.5　代碼實現：輸出模型可解釋性的視覺化圖像　210 4.4

　實例：用Bertviz工視覺化BERT模型權重　211 4.4.1　什麼是Bertviz工具　212 4.4.2　代碼實現：載入BERT模型並視覺化其權重　212 4.4.3　解讀BERT模型的權重視覺化結果　216 4.5　實例：用可解釋性理解影像處理相關的神經網路模型　219 4.5.1　代碼實現：載入模型並進行圖像分類　219 4.5.2　代碼實現：用4種可解釋性演算法對模型進行可解釋性計算　220 4.5.3　代碼實現：視覺化模型的4種可解釋性演算法結果　221 4.6　實例：用可解釋性理解圖片分類相關的神經網路模型　222 4.6.1　瞭解Grad-CAM方法　223 4.6.2　

代碼實現：載入ResNet18模型並註冊鉤子函數提取特徵資料　225 4.6.3　代碼實現：調用模型提取中間層特徵資料和輸出層權重　226 4.6.4　代碼實現：視覺化模型的識別區域　227   第5章　識別未知分類的方法——零次 學習　229 5.1　瞭解零次學習　230 5.1.1　零次學習的思想與原理　230 5.1.2　與零次學習有關的常用資料集　232 5.1.3　零次學習的基本做法　233 5.1.4　直推式學習　233 5.1.5　泛化的零次學習任務　233 5.2　零次學習中的常見問題　233 5.2.1　領域漂移問題　234 5.2.2　原型稀疏性問題　235 5.2.3　

語義間隔問題　235 5.3　帶有視覺結構約束的VSC模型　236 5.3.1　分類模型中視覺特徵的本質　236 5.3.2　VSC模型的原理　237 5.3.3　基於視覺中心點學習的約束方法　238 5.3.4　基於倒角距離的視覺結構約束方法　239 5.3.5　什麼是對稱的倒角距離　239 5.3.6　基於二分匹配的視覺結構約束方法　239 5.3.7　什麼是指派問題與耦合矩陣　240 5.3.8　基於W距離的視覺結構約束方法　240 5.3.9　什麼是 傳輸　241 5.3.10　什麼是 傳輸中的熵 正則化　242 5.4　詳解Sinkhorn 演算法　244 5.4.1　Sinkhor

n演算法的求解轉換　244 5.4.2　Sinkhorn演算法的原理　245 5.4.3　Sinkhorn演算法中參數ε的 原理　246 5.4.4　舉例Sinkhorn演算法過程　246 5.4.5　Sinkhorn演算法中的品質守恆　248 5.4.6　Sinkhorn演算法的代碼實現　250 5.5　實例：使用VSC模型來識別未知類別的鳥類圖片　252 5.5.1　樣本介紹：用於ZSL任務的鳥類資料集　252 5.5.2　代碼實現：用遷移學習的方式獲得 訓練資料集分類模型　253 5.5.3　使用分類模型提取圖片視覺 特徵　254 5.5.4　代碼實現：用多層圖卷積神經 網路實現VSC模

型　255 5.5.5　代碼實現：基於W距離的損失 函數　256 5.5.6　載入資料並進行訓練　257 5.5.7　代碼實現：根據特徵距離對圖片 進行分類　258 5.6　針對零次學習的性能分析　259 5.6.1　分析視覺特徵的品質　259 5.6.2　分析直推式學習的效果　260 5.6.3　分析直推模型的能力　261 5.6.4　分析未知類別的聚類效果　262 5.6.5　清洗測試集　263 5.6.6　利用視覺化方法進行輔助分析　264 第6章　異構圖神經網路　267 6.1　異構圖的基礎知識　268 6.1.1　同構圖與異構圖　268 6.1.2　什麼是異構圖神經網路　268 6

.1.3　二分圖　268 6.1.4　局部圖卷積　270 6.2　二分圖的實現方式　270 6.2.1　用NetworkX實現二分圖　270 6.2.2　使用DGL構建二分圖　272 6.2.3　二分圖物件的調試技巧　275 6.3　異構圖的實現方式　276 6.3.1　創建異構圖　276 6.3.2　設置異構圖的節點個數　277 6.3.3　異構圖結構的查看方式　278 6.3.4　異構圖與同構圖的相互轉化　280 6.3.5　異構圖與同構圖的屬性操作方式　281 6.4　隨機行走採樣　282 6.4.1　什麼是隨機行走　283 6.4.2　普通隨機行走　283 6.4.3　帶停止概率的隨機

行走　284 6.4.4　帶路徑概率的隨機行走　284 6.4.5　基於原圖的隨機行走　285 6.4.6　在基於異構圖的隨機行走中設置停止概率　286 6.4.7　基於隨機行走採樣的資料處理　287 6.4.8　以隨機行走的方式對鄰居節點採樣　287 6.5　DGL庫中的塊圖結構　289 6.5.1　設計塊圖的動機　289 6.5.2　將同構圖轉化成塊圖　290 6.5.3　塊圖的屬性操作　290 6.5.4　將二分圖轉化成塊圖　291 6.6　實例：使用PinSAGE模型搭建 系統　292 6.6.1　準備MoiveLens資料集　292 6.6.2　代碼實現：用Panadas庫載入數據　

293 6.6.3　Categories與category 類型　294 6.6.4　代碼實現：生成異構圖　295 6.6.5　代碼實現：用邊分組方法拆分並保存資料集　296 6.6.6　PinSAGE模型　299 6.6.7　代碼實現：構建帶有鄰居節點採樣功能的資料載入器　300 6.6.8　代碼實現：PinSAGE模型的採樣 過程　305 6.6.9　代碼實現：搭建PinSAGE模型　309 6.6.10　代碼實現：產生實體PinSAGE模型類並進行訓練　315 6.6.11　代碼實現：用PinSAGE模型為 使用者 電影　315 6.6.12　擴展：在PinSAGE模型中融合 多的特徵資

料　317 6.7　總結　317

小哥Cadence Allegro PCB軟件操作技巧260例（配視頻教程）

為了解決cad圖塊路徑的問題，作者李文慶 這樣論述：

本書根據編著者多年的高速PCB設計經驗編寫，以實用、高效為原則，結合編著者的設計習慣，針對OrCAD Capture原理圖設計、PCB封裝製作、PCB前處理、約束管理器設置、PCB佈局、PCB佈線、PCB鋪銅、PCB後處理、輸出光繪檔等一系列流程中用到的技巧進行詳細講解。   本書內容源於實際工作專案中的設計需要，側重於快速掌握軟體操作，提高軟體操作效率，以及解決專案設計過程中碰到的疑難問題，在內容編排上盡可能避免單純的功能表翻譯，從而讓讀者迅速掌握Cadence Allegro軟體的操作。   本書可供PCB設計工程師、硬體工程師、專案負責人及其他相關電子技術工作者參考，也可作為高等院校相關

專業的教材。 李文慶，資深工程師，暢銷書作者。暢銷書籍《Cadence Allegro 16.6實戰必備教程》已累計印刷13次。原創視頻――小哥Cadence Allegro系列教程的播放量已達數百萬次，廣受讀者好評。 實例1 創建原理圖器件 1 實例2 創建多邏輯器件 7 實例3 創建原理圖工程 12 實例4 添加和排序原理圖頁面 13 實例5 設置原理圖頁面顏色和背景視圖 14 實例6 設置原理圖頁面大小 16 實例7 添加及刪除原理圖器件庫 17 實例8 放置原理圖器件 18 實例9 旋轉及翻轉原理圖器件 18 實例10 繪製原理圖 19 實例11

給原理圖器件重新編號 21 實例12 去掉原理圖位號下的橫線 23 實例13 批量添加或更改封裝屬性值 24 實例14 在Capture中添加器件特殊屬性 25 實例15 在原理圖中顯示封裝資訊 27 實例16 添加和刪除頁碼符號 28 實例17 快速編輯更新原理圖器件 30 實例18 輸入特殊的管腳名稱 31 實例19 在原理圖中繪製正方形和圓形圖案 31 實例20 快速查找原理圖器件和網路 32 實例21 給原理圖器件添加ROOM屬性 33 實例22 設置原理圖和PCB交互設計的選項 34 實例23 生成網路表及常見錯誤解析 34 實例24 統計原理圖中的器件數量 36 實例25 統計原

理圖中的管腳數量 37 實例26 輸出PDF格式原理圖 38 實例27 輸出物料清單 38 實例28 輸出低版本原理圖檔 40 實例29 設置備份原理圖 41 實例30 繪製層次原理圖 41 實例31 進行原理圖DRC（Design Rule Check） 44 實例32 製作表貼焊盤 45 實例33 製作通孔焊盤 48 實例34 設置封裝庫路徑 49 實例35 製作不規則焊盤 50 實例36 製作VIA16D8過孔 53 實例37 創建盲埋孔（方式一） 54 實例38 創建盲埋孔（方式二） 58 實例39 手動製作SOP8表貼封裝 59 實例40 嚮導製作LQFP48L表貼封裝 63 實

例41 嚮導製作BGA256-2727表貼封裝 66 實例42 嚮導製作DIP40-600外掛程式封裝 69 實例43 製作不規則封裝 71 實例44 給封裝添加高度屬性 72 實例45 替換封裝焊盤 72 實例46 更新封裝焊盤 73 實例47 製作金手指封裝 73 實例48 建立Format封裝文件 74 實例49 自動對封裝管腳重新編號 75 實例50 介紹常用檔案格式 76 實例51 講解Class和Subclass 77 實例52 設置快速鍵 80 實例53 可定義的快速鍵有哪些 81 實例54 演示手勢命令 81 實例55 創建10層“．brd”格式的PCB檔 83 實例56 手

動建立板框 86 實例57 調整PCB Editor工具列 87 實例58 導入DXF Outline文件 88 實例59 匯出DXF Outline檔 90 實例60 Outline（輪廓）倒角 91 實例61 快速更改Subclass的顏色 92 實例62 快速顯示和關閉所有Subclass層 93 實例63 設置小視窗佈局 94 實例64 添加和刪除PCB層疊 95 實例65 設置游標顯示方式 96 實例66 去除游標拖影 97 實例67 設置焊盤空心顯示 97 實例68 實心顯示DRC標識 97 實例69 更改預設的高亮顯示顏色 98 實例70 設置自動保存PCB 99 實例71

顯示和隱藏原點標識 100 實例72 更改原點位置（方式一） 100 實例73 更改原點位置（方式二） 101 實例74 調節顏色的顯示亮度 101 實例75 顯示和隱藏網路名 102 實例76 設置Mils單位精度為4位元小數 103 實例77 消除設置Mils單位精度為4位元小數時的警告 104 實例78 Z-Copy Route Keepin區域 104 實例79 Z-Copy Package Keepin區域 105 實例80 導入OrCAD原理圖網路表 105 實例81 解析常見的網路表導入錯誤 106 實例82 恢復PCB Editor預設介面 107 實例83 介紹約束管理器（

Constraint Manager，CM） 108 實例84 設置物理規則 112 實例85 創建差分對物理規則 113 實例86 設置過孔及優先順序 114 實例87 創建Power Net Class 115 實例88 快速設置單根網路線寬 116 實例89 創建DDR差分對 117 實例90 創建間距規則 118 實例91 快速設置單根網路間距 119 實例92 設置區域規則 119 實例93 繪製區域 120 實例94 快速更改區域所賦予的規則 121 實例95 設置銅皮和阻焊的DRC間距 122 實例96 開啟檢查器件是否衝突規則 123 實例97 開啟檢查過孔和通孔管腳重疊規則

123 實例98 設置過孔與表貼焊盤重疊時不報錯 124 實例99 設置排阻Xnet器件模型 125 實例100 設置網路走線的實際物理長度限制規則 126 實例101 創建Xnet和刪除Xnet 127 實例102 創建DDR資料線等長組 132 實例103 設置規則開關 134 實例104 設置及顯示“Plan” 136 實例105 常見的DRC標識說明 137 實例106 錄製Script檔 141 實例107 快速放置封裝 142 實例108 設置“Overlap components by”核取方塊 143 實例109 根據座標放置器件 144 實例110 添加Mark點封裝 1

45 實例111 設置常用佈局柵格 145 實例112 顯示佈局相關子分類 146 實例113 將器件45°旋轉 147 實例114 將模組整體旋轉 147 實例115 設置器件預設放置在Bottom層 148 實例116 鏡像單個器件或模組 148 實例117 “fix”和“unfix”命令 149 實例118 查找器件 150 實例119 一次性移動不規則區域內的所有器件 150 實例120 高亮物件 151 實例121 在PCB中移動封裝的單個管腳 151 實例122 在PCB中顯示器件的值 153 實例123 在PCB中切換器件封裝 153 實例124 在PCB中直接編輯焊盤 15

5 實例125 創建與打散器件組 155 實例126 設置移動器件時不顯示飛線 156 實例127 通過“ix”和“iy”命令平移器件 157 實例128 繪製Package Keepout區域 157 實例129 批量更新封裝 158 實例130 “Refresh Symbol Instance”功能 158 實例131 快速交換器件位置 159 實例132 對齊器件 160 實例133 測量器件間距 162 實例134 佈局模組複用 163 實例135 走線命令選項 166 實例136 設置任意角度走線 167 實例137 自動替換已有走線 167 實例138 群組走線 168 實例13

9 快速顯示和隱藏局部飛線 171 實例140 設置差分對過孔間距 171 實例141 差分對走線技巧 173 實例142 蛇形線走線技巧 173 實例143 差分對內部等長走線技巧 175 實例144 即時顯示走線長度條 176 實例145 批量更改線寬 178 實例146 批量更改走線層 178 實例147 自動平滑優化走線 179 實例148 優化命令選項 180 實例149 快速複製走線和過孔 181 實例150 設置飛線的顏色 183 實例151 扇出DDR3 184 實例152 終端顯示飛線 185 實例153 添加陣列過孔 186 實例154 給網路賦予顏色 187 實例15

5 “color”命令使用技巧 188 實例156 替換單個過孔 188 實例157 批量替換過孔 189 實例158 讓走線在兩個焊盤之間自動居中 190 實例159 添加T點 190 實例160 刪除T點 192 實例161 設置T點的相關顯示 192 實例162 剪斷走線 193 實例163 添加“Ratsnest_Schedule”屬性 194 實例164 快速調整相位 195 實例165 0 mil顯示整板走線 196 實例166 繪製漸變線 197 實例167 自動修改差分對線寬和間距 198 實例168 快速添加和刪除淚滴 199 實例169 設置Datatips 201 實例

170 開啟“Net Logic”功能 202 實例171 設置自動等長繞線 202 實例172 消除走線小拐角 204 實例173 自動將走線拐角變為弧形 204 實例174 鋪銅 205 實例175 繪製Route Keepout區域 206 實例176 設置Route Keepout區域走線不報錯 207 實例177 動態銅皮與靜態銅皮的區別 207 實例178 快速更改銅皮網路 208 實例179 合併銅皮 208 實例180 鏤空銅皮及快速恢復鏤空區域 209 實例181 編輯銅皮輪廓 210 實例182 設置“shape_rki_autoclip”核取方塊 211 實例183

設置全域銅皮為十字花連接 212 實例184 設置單塊銅皮為十字花連接 212 實例185 為管腳單獨添加十字花連接屬性 213 實例186 轉換銅皮形態 214 實例187 快速拖拉銅皮輪廓 215 實例188 分割銅皮 216 實例189 將銅皮快速複製到其他層 219 實例190 刪除死銅 220 實例191 將銅皮換層 221 實例192 繪製網格狀銅皮 222 實例193 對銅皮進行外擴和內縮調整 223 實例194 設置銅皮優先順序 224 實例195 顯示和隱藏銅皮 225 實例196 解決無法更新銅皮的問題 225 實例197 繪製四周為圓角的銅皮 227 實例198 繪製遮

罩罩區域 228 實例199 設置文本參數 228 實例200 批量更改位元號尺寸 229 實例201 調整位元號位置 229 實例202 添加文本絲印 230 實例203 在PCB中繪製圓形絲印 231 實例204 快速查看PCB連通情況 231 實例205 刪除單端走線和多餘過孔 232 實例206 添加和刪除尺寸標注 233 實例207 標注圓的半徑 234 實例208 更改鑽孔符號及生成鑽孔表 234 實例209 取消高亮顯示PCB中的所有物件 235 實例210 輸出低版本的PCB檔 236 實例211 自訂報表 236 實例212 快速重命名PCB檔 238 實例213 生成板

層截面圖 238 實例214 演示3D Viewer 239 實例215 PCB輸出PDF檔 240 實例216 設置PCB Gerber 241 實例217 對Gerber Film資料夾進行排序設置 248 實例218 使用Gerber快速查看視圖 250 實例219 生成Gerber制板檔 251 實例220 解決無法輸出Gerber文件的問題 252 實例221 輸出座標檔 253 實例222 無盤化輸出“．art”文件 253 實例223 加密PCB檔 254 實例224 解決鑽孔表重疊的問題 254 實例225 複用參數 255 實例226 匯出及複用封裝 256 實例227 雙

單位顯示測量結果 257 實例228 忽略DRC標識 258 實例229 快速恢復DRC標識 258 實例230 設置DRC標識的大小 258 實例231 設置預設打開空PCB文件 259 實例232 設置按兩下直接打開“．dsn”文件 259 實例233 設置按兩下直接打開“．brd”文件 260 實例234 無法關聯PCB文件的解決辦法 261 實例235 添加和刪除Subclass 261 實例236 快速查看整板管腳數量 262 實例237 設置靜態銅皮在走線末端的避讓形狀 263 實例238 使用“Slide”命令快速將拐角變為弧形 264 實例239 將CAD板框閉合成“Shap

e”屬性 265 實例240 打散“Shape”屬性板框 266 實例241 設置飛線的顯示方式 266 實例242 設置“In_line”選項 267 實例243 雙區域顯示PCB 268 實例244 隱藏“Visibility”側邊欄中的Film文件 268 實例245 設置“display_nohilitefont”核取方塊 269 實例246 自動變更到當前層走線 270 實例247 設置畫面移動速度 271 實例248 替換特定範圍內的焊盤 272 實例249 “Temp Group”命令的使用 272 實例250 取消記憶線寬功能 273 實例251 設置網路走線使用的過孔數量

274 實例252 設置“No_Drc”屬性 274 實例253 在PCB中按ROOM屬性值放置器件 275 實例254 在PCB中按頁放置器件 275 實例255 開啟PCB預覽功能 276 實例256 使用軌跡進行走線 277 實例257 直接在PCB中查看焊盤尺寸 277 實例258 將走線過孔複製到另一個PCB 278 實例259 多人分工設計同一個PCB 279 實例260 批量剪斷走線 283

建置類神經網路模型優化伺服調機參數預測CNC加工性能

為了解決cad圖塊路徑的問題，作者羅乾耘 這樣論述：

CNC工具機產業對於加工工件的品質需求具有三項互相牴觸的加工指標，分別為快、準與穩，其分別代表速度、精準度及表面粗糙度，CNC工具機引入人工智慧在加工產品品質上提高及產能提升，此外在工廠傳統只能對單一機台進行調機，製造業無法在短時間內銑削加工取得大量加工資料，故如何使用僅有的少量加工資料快速地轉移到另外CNC機台進行調機成為了未來的研究重點。本文透過轉移學習方法，建構基因演算法優化廣義類神經網路(General Regression Neural Network)，並且以田口實驗方法設計實驗，以伺服驅動參數作為模型之輸入，預測其三項加工指標，預測結果表示對於加工性能之平均預測誤差為15.99

%，相較於未轉移學習前的模型平均預測誤差提升了3.93%。將預測模型結合基因演算法(GA)，建立完整伺服參數調機系統，以「快」為加工需求狀態下，加工時間改善率為1.6%，以「穩」為加工需求狀態下，表面粗糙度最高改善率為22.5%，伺服扭矩剛性最高改善率為87.6%，以「準」為加工需求狀態下，精度最高優化率為34%。研究結果表明，本文所建構之伺服參數調機系統，提供使用者利用少量加工資料利用轉移學習方法，轉移到不同的加工機台，得以進行針對不同CNC工具機調機方法與依據。