Excel小技巧

1.自动定时保存Excel中的文件

点击“工具”菜单“自动保存”项,设置自动保存文件夹的间隔时间。如果在“工具”菜单下没有“自动保存”菜单项,那么执行“工具”菜单下“加载宏”选上“自动保存”,“确定”。然后进行设置即可。

2.在Excel中录入小数点

在录入小数点的时候我们可能会遇见打不出小数点,怎么打都是”逗号“的情况。这时候需要打开Windows的控制面板,在“区域设置”中找到“区域设置属性”对话面板,“区域设置”选择“中文(中国)”,“区域设置属性”对话面板上在“数字”属性里把小数点改为“.”,确定就可以了。

3.将1-1、1-2之类的格式变成日期1月1日、1月2日的形式

点击主菜单的“格式”菜单,选“单元格”,再在“数字”菜单标签下把该单元格的格式设成文本格式就行了。

4.设置最近打开的文件名个数

打开“工具”,选“选项”,再选“常规”,在“最近使用的文件清单”下面的文件个数输入框中改变文件数目即可。若不在菜单中显示最近使用的文件名,则将“最近使用的文件清单”前的复选框去掉即可。

5.一次设置多个工作表的页眉和页脚

把鼠标移到工作表的名称处,然后点右键,选择“选择全部工作表”的菜单项,这时,不管是设置页眉和页脚都将是针对全部工作表进行操作了。

6. 用汉字名称代替单元格地址

选定想要命名的单元格区域,再选择“插入”\“名字”\“定义”,在“当前工作簿中名字”对话框内键人名字即可。或者选定单元格区域后在“名字框”直接输入名字。使用名字的公式会比使用单元格地址引用的公式更简洁。

7 .在公式中快速输入不连续的单元格地址

按住Ctrl键,进行区域的选取。选定后选择“插入”\“名字”\“定义”,将此区域命名,然后在公式中使用这个区域名。

8. 对工作簿进行安全保护

打开工作薄,选择“文件”菜单中的“另存为”命令,选取“选项”,根据用户的需要分别输入“打开文件口令”或“修改文件D令”,确定就可以了。当然,也可以对工作表中某些重要单元格进行保护。选定需保护的单元格区域,选取“格式”菜单中的“单元格”,选取“保护”,从对话框中选取“锁定”,确定后退出。然后选取“工具”菜单中的“保护”命令,选择“保护工作表”,根据提示操作退出。

9.使单元格中的颜色和底纹不打印出来

选择“文件”\“页面设置”\“工作表”,在“打印”栏内选择“单元格单色打印”选项。之后,打印出来的表格就面目如初了。

10.定义局部名字?

默认情况下的工作簿中所有名字都是全局的。将名字改成“工作表”形式就可以针对某个工作表有效了。

11. 命名常数

有些常数我们在输入时会经常用到,而输入起来有比较麻烦,比如利率4.4%.此时我们可以选择“插入”\“名字”\“定义”,在“当前工作薄的名字”框内输入“利率”,在“引用位置”框中输入“= 0.04.4”,确定即可。

12. 使用数组公式

首先必须选择用来存放结果的单元格区域,在编辑栏输入公式,然后按ctrl+Shift+Enter组合键锁定数组公式,Excel将在公式两边自动加上括号“{}”。不要自己键入花括号,否则,Excel认为输入的是一个正文标签。要编辑或清除数组公式.需选择数组区域并且激活编辑栏,公式两边的括号将消失,然后编辑或清除公式,最后按Ctrl+shift+Enter键。

13. 批量修改数据

有时候一组数据需要同时增加或减少相同的量,此时你可以使用“选择性粘贴”功能。比如现在需要增加100,可以先在某空白单元格中输入100,选定后选择“编辑”\“复制”,再选取需要修改的那一栏,然后选择“编辑”\“选择性粘贴”,在“选择性粘贴”对话框“运算”栏中选中“加”运算,按“确定”即可。

14. 快速删除特定数据

有时候删除一些特定数据需要,例如数量为0的行。我们可以这样操作首先选定区域(包括标题行),然后选择“数量”\“筛选”\“自动筛选”。在“数量”列下拉列表中选择“0”,那么将列出所有数量为0的行。此时在所有行都被选中的情况下,选择“编辑”\“删除行”,然后按“确认”,再取消自动筛选。

15.拆分或取消拆分窗口

在主菜单上单击“窗口”\“拆分窗口”。取消拆分窗口时“窗口”\“撒消拆分窗口”命令。此外,也可以将鼠标指针置于水平拆分或垂直拆分线或双拆分钱交点上,双击鼠标即可取消已拆分的窗口。

本文转自:http://www.itt168.com/caozuoxitong/201.html

转载于:https://www.cnblogs.com/cksis/archive/2012/03/02/2377311.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