怎么控制PowerPoint里的Flash歌曲播放

  在PowerPoint课件中,插入Flash动画已经不是什么新鲜事了。这不,这次的英语课件中,应英语老师的要求,插入了网上找来的一个Flash英文歌,果然为课件增色不少。但英语老师提出要在课件中控制这个英文歌,比如说播放、暂停、快进、快退等。呵呵,这倒也难不倒我,用Office中的VBA就可以做到。

  插入Flash影片

  单击“视图/工具栏/控件工具箱”,选择“其他控件/Shockwave Flash Object”,在幻灯片中用鼠标拖出一个方框,调整好大小。这样,我们用插入控件的方法插入一个Flash控件,选择当前控件,在“属性”面板中作如下设置:“Movie”中填入所需的Flash影片名称,“名称”就用默认的“ShockwaveFlash1”,这个名称在后面的VBA编程中要用到。

  插入命令按钮

  1. 制作(播放)按钮

  在“控件工具箱”中选择“命令按钮”,在幻灯片中拖动,即可拖出一个命令按钮。调整好大小,在“属性”面板中作如下设置:“名称”中输入“cmd_play”,“Caption”中输入“播放”。双击该按钮,进入VBA编辑窗口,输入如下内容:

  Private Sppt模板免费下载ub cmd_play_Click()

  ShockwaveFlash1.Playing = True

  End Sub

  2. 制作(暂停)、(前进)、(后退)、(返回)、(结束)按钮

  按钮制作的方法同上。“属性”面板中分别作如下设置:暂停按钮的“名称”为“cmd_pause”,“Caption”为“暂停”,前进按钮按钮的“名称”为“cmd_forward”,“Caption”为“前进”,后退按钮的“名称”为“cmd_back”,“Caption”为“后退”,返回按钮的“名称”为“cmd_start”,“Caption”为“返回”,结束按钮的“名称”为“cmd_end”,“Caption”为“结束”。

  分别为各个按钮加上VBA,命令依次如下:

  Private Sub cmd_pause_Click()

  ShockwaveFlash1.Playing = False

  End Sub

  Private Sub cmd_forward_Click()

  ShockwaveFlash1.FrameNum = ShockwaveFlash1.FrameNum + 30

  ShockwaveFlash1.Playing = True

  End Sub

  Private Sub cmd_back_Click()

  ShockwaveFlash1.FrameNum = ShockwaveFlash1.FrameNum - 30

  ShockwaveFlash1.Playing = True

  End Sub

  Private Sub cmd_start_Click()

  ShockwaveFlash1.FrameNum = 1

  ShockwaveFlash1.Playing = True

  End Sub

  Private Sub cmd_end_Click()

  ShockwaveFlash1.FrameNum = ShockwaveFlash1.TotalFrames

  End Sub

  说明:在(前进)、(后退)、(返回)按钮中,后面均加上一条播放命令,是因为在实际应用时,发现后面如果没有播放命令的话,Flash影片会停止播放,所以这句是万万不可少的。

  3. 播放幻灯片

  看看按钮是不是可以控制影片了呢?什么?没反应,那一定是你的宏的安全性设得太高了,单击“工具/宏/安全性”,将“安全级”设为“低”。重新打开PowerPoint,可以了吧。

本文转自http://www.2ppt.cn/Article/466.html
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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