工具笔记_Blender快捷键整理
Blender快捷键整理 一、鼠标基础操作(3D 视图导航) Blender 默认以鼠标右键选择,以下为通用操作: 鼠标中键(MMB)拖动:旋转视图 Shift + 鼠标中键拖动:平移视图 鼠标滚轮:缩放视图S Alt + 鼠标中键拖动:快速切换正交视图(前 / 后 / 左 / 右 / 顶 / 底) 鼠标左键(LMB):确认操作、放置点、执行命令 鼠标右键(RMB):取消操作、打开上下文菜单 二、模式切换(建模核心) F4偏好设置 Tab:物体模式 ↔ 编辑模式(最常用) 编辑模式:可以选择点线面进行操作 Ctrl + Tab:打开模式选择菜单(物体 / 编辑 / 雕刻 / 纹理绘制等) 1 / 2 / 3(主键盘):编辑模式下切换选择模式 1:顶点选择 2:边选择 3:面选择 三、选择操作 鼠标左键摁住移动可选择 A:全选 / 取消全选(双击 A 取消全选) B:框选(拖动鼠标框选) C:笔刷选择(拖动鼠标刷选) Ctrl + 点击:加选 Shift + 点击:减选 Ctrl + I:反选 Ctrl + L:选择相连元素 Alt +...
工具笔记_Blender编辑器
Blender
工具笔记_QT usage
QT usage 这里分为C++版本的Qt和PyQt的 C++QT 遇到了qml等文件还是得用qt他原版 PyQT VScode+pyQT installation 安装PyQt 12pip install PyQt5pip install PyQt5-tools vscode安装PYQT Integration便于使用pyqt 12345678# Pyqt-integration > Qtdesigner: Path\venv_QT\Lib\site-packages\qt5_applications\Qt\bin\designer# Pyqt-integration > Pyuic: Cmd 用于转化ui格式为py\venv_QT\Scripts\pyuic5# Pyqt-integration > Pyuic > Compile: Filepath默认是将ui转化好的py文件存在当前目录的ui文件夹下 使用Pyuic工具,将 .ui文件转换为 .py文件。 在文件夹栏空白处点击右键点击「PYQT: New Form」启动Qt...
工具笔记_VSCode Python Debug 教程
VSCode Python Debug 教程 我有以下几个目的: debug时候传入参数,就像运行python test -pram a -pram1 b这样子,这个如何实现 如何实现conda环境下运行 看每个变量的大小和值 步进运行每一行 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758{ // 使用 IntelliSense 了解相关属性。 // 悬停以查看现有属性的描述。 // 欲了解更多信息,请访问: https://go.microsoft.com/fwlink/?linkid=830387 "version": "0.2.0", "configurations": [ // 基于内置的 Node.js 调试器 // 可以创建多个调试器,然后起不同名字,选择对应的进行操作...
工具笔记_WSLubuntuUsage
WSL ubuntu Usage Windows11 WSL离线安装Ubuntu子系统 - 漫漫长夜何时休 - 博客园 installation 123456789101112131415# 启用Linux子系统 以管理员身份打开PowerShellEnable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux# 下载tar文件,最终要获得tar格式的镜像# ms的官方下载tarhttps://learn.microsoft.com/zh-cn/windows/wsl/use-custom-distro# https://cloud-images.ubuntu.com/wsl/jammy/20250227/ubuntu-jammy-wsl-amd64-ubuntu22.04lts.rootfs.tar.gz# 安装wsl --import <DistroName> <location to Install> <location of...
工具笔记_tmux
tmux 新建会话tmux new -s 第一个启动的 Tmux 窗口,编号是0,第二个窗口的编号是1,以此类推。这些窗口对应的会话,就是 0 号会话、1 号会话。 使用编号区分会话,不太直观,更好的方法是为会话起名。 1tmux new -s <session-name> 上面命令新建一个指定名称的会话。 分离会话Ctrl+b d 在 Tmux 窗口中,按下Ctrl+b d或者输入tmux detach命令,就会将当前会话与窗口分离。 1tmux detach 上面命令执行后,就会退出当前 Tmux 窗口,但是会话和里面的进程仍然在后台运行。 查看会话tmux ls tmux ls命令可以查看当前所有的 Tmux 会话。 1tmux ls 接入会话tmux attach -t tmux attach命令用于重新接入某个已存在的会话。 12345# 使用会话编号tmux attach -t 0# 使用会话名称tmux attach -t <session-name> 杀死会话tmux kill-session -t tmux...
工具笔记_基于PyQT的GUI制作基本操作和技巧
PyQT基本语法和操作 环境配置与GUI绘制思路 UI和算法代码看作前端和后端 UI与代码分离 用 Qt Designer 设计界面并保存为 mywidget.ui,在代码里动态加载 .ui 文件,用 uic 模块加载 比如一个按钮叫 pushButton,就可以用 self.pushButton 访问。 不用生成 Python 代码,方便快速修改 UI 1234567from PyQt5 import uicfrom PyQt5.QtWidgets import QWidgetclass MyWidget(QWidget): def __init__(self): super().__init__() uic.loadUi('mywidget.ui', self) # 直接加载ui文件,控件自动成为self的属性 UI设计完转化为py然后再补充算法代码 用 Qt Designer 设计全新界面,生成 .UI文件,然后用pyuic转化. UI 改动后要重新用 pyuic5 生成 1pyuic5 -o...
论文阅读_Bert
BERT 基本信息 项目 内容 论文标题 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 作者 作者单位 Google AI 时间 2018 发表会议/期刊 论文别名 Bidirectional Encoder Representations from Transformers 方法概览 特点 文章性质 输入 输出 所属领域 创新点 首次实现真正的双向上下文(Bidirectional Context)理解,大幅提升 NLP 任务性能。 基于 Transformer Encoder(仅 Encoder),一个句子挖掉一部分预测挖掉的部分进行训练,这样训练出来的模型微调之后可用于下游任务,这种思想并没有延续,而是用于T5等网络(而GPT是只有Decoder,通过“从左到右”的自回归方式生成文本。) 两种预训练任务: **Masked Language Model...
论文阅读_CLIP
基本信息 项目 内容 论文标题 Learning Transfferable Visual Model From Natural language Supervision 作者 Alec Radford, Jong Wook Kim, Chris Hallacy, Aditya Ramesh, Gabriel Goh, Sandhini Agarwal, Girish Sastry, Amanda Askell, Pamela Mishkin, Jack Clark, Gretchen Krueger, Ilya Sutskever 作者单位 OpenAI 时间 2021 发表会议/期刊 International Conference on Machine Learning (ICML) 论文别名 Contrastive Language-Image...
论文阅读_ControlNet
ControlNet:Adding Conditional Control to Text-to-Image Diffusion Models ControlNet,这是一种端到端神经网络架构,用于学习大型预训练文本到图像扩散模型的条件控制(在我们的实现中为 Stable Diffusion)。ControlNet 通过锁定大型模型的参数,并创建其编码层的可训练副本,来保留大型模型的质量和功能。此架构将大型预训练模型视为学习各种条件控制的强大支柱。可训练副本和原始锁定模型与零卷积层连接,权重初始化为零,以便它们在训练期间逐渐增长。这种架构确保在训练开始时不会将有害的噪声添加到大型扩散模型的深层特征中,并保护可训练副本中的大规模预训练主干免受此类噪声的损害。 问题: 使用学习条件控制稳定扩散。 背景: 在开源社区已经形成以Stable Difffusion为核心,以ConrtolNet和LoRA为辅助模块的AI绘画工作流生态,controlnet让AI绘画的生成过程更加的可控 步骤: 使用ControlNet模型之后,Stable...
