3. CREATING OBJECTS, GUIDES &LAYERS

1、view-rules-show rules可以在工作区显视标尺(ctr+click)。在标尺中用鼠标拖放到artboard中可以生成guides。点击view-guides-lock guides可以锁定已生成的guides。

 

2、按下shift键从rule中拖动guide, guide会粘到相近的单位标尺中。

 

3、选中guide后,按backspace键可以删除。

 

4、右击标尺可以改变标尺的单位及工具区的显视单位。

 

5、选中guide后,回车即可手动设置guide的位置。

 

6、edit-preference中可以设置guide和grid的相关参数。

 

7、画圆时,按shift拖放是画正圆,再加上alt就是从圆心开始画。

 

8、画星形时,按ctrl键会使星形变瘦,然后按上/下键会增加或减小角的数量。

 

9、画图形时,图形会放在当前图层中,在工作区中选中某个图形,在图层面版中,该图形所在的图层的右边会显视有一个颜色点,拖放这个颜色点可以改变图形所在的图层。

 

10、object-path-split object into可以对图层进行分割。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: `tf.compat.v1.keras.layers.CuDNNLSTM`是TensorFlow 1.x版本中使用CUDA加速的LSTM实现。在TensorFlow 2.0及以上版本中,CuDNNLSTM被移动到`tf.keras.layers`模块中,并且可以使用`tf.keras.layers.LSTM`代替。 如果您仍然需要在TensorFlow 2.0及以上版本中使用`tf.compat.v1.keras.layers.CuDNNLSTM`,可以按照以下步骤进行操作: 1. 导入所需的模块 ```python import tensorflow.compat.v1 as tf tf.disable_v2_behavior() from tensorflow.compat.v1.keras.layers import CuDNNLSTM ``` 2. 创建CuDNNLSTM层 ```python model.add(CuDNNLSTM(units, input_shape=(timesteps, input_dim))) ``` 需要注意的是,使用`tf.compat.v1.keras.layers.CuDNNLSTM`需要在使用GPU时安装CUDA和CuDNN,并且仅适用于使用CuDNN加速的GPU。 希望这可以帮助您在TensorFlow 2.0及以上版本中使用`tf.compat.v1.keras.layers.CuDNNLSTM`。 ### 回答2: tf.compat.v1.keras.layers.CuDNNLSTM是在TensorFlow深度学习框架的tf.keras模块中的一个类,用于构建使用CuDNN LSTM实现的循环神经网络(RNN)层。 CuDNNLSTM是基于CUDA的深度神经网络库(CuDNN)实现的LSTM层。CUDA是NVIDIA提供的用于在NVIDIA GPU上加速计算的并行计算平台和API。CuDNN则是基于CUDA的深度学习库,专门用于加速深度神经网络的训练和推理过程。 相较于普通的LSTM层,CuDNNLSTM在运行速度上有很大的优势,尤其是当使用GPU进行计算时。它充分利用了NVIDIA GPU的并行计算能力和CuDNN库的优化算法,可以显著提高训练和推理的效率。 使用CuDNNLSTM时需要注意的是,它仅在支持CuDNN的GPU上才能运行,并且在某些情况下可能会受到硬件和软件版本的限制。此外,由于CuDNNLSTM采用了一些CuDNN特定的优化策略,它和普通的LSTM层在某些方面可能有一些差异,因此在使用时需要注意这些差异可能对模型的影响。 总之,tf.compat.v1.keras.layers.CuDNNLSTM是一个使用CuDNN库实现的高效LSTM层,在使用支持CuDNN的GPU进行深度学习任务时可以大大提高训练和推理的速度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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