多层bom展开_DEMO:BOM展开(初版)

货铺QQ群号:834508274微信群不能扫码进了,可以加我微信SAPliumeng拉进群,申请时请提供您哪个模块顾问,否则是一律不通过的。进群统一修改群名片,例如BJ_ABAP_森林木。群内禁止发广告及其他一切无关链接,小程序等,进群看公告,谢谢配合不修改昵称会被不定期踢除,谢谢配合

干货部分:

标准BOM展开:

CS12全部展开

CS13 只展示叶子节点

咱们这个demo也是满足上面要求:

69ee534f85892c178746f5e1a955a45a.png

执行结果:

全部:

458305fc6fd7e9a95c2eed078b8fa800.png

叶子节点:

972d6911237e5861e489f1ba3815ea83.png

干货:

REPORT ZLM_BOM_UNFOLD.


TABLES MARA.
TABLES MARC.
TABLES RC29L.
TYPE-POOLS:SLIS,ISOC.
DATA:LS_LAYOUT              TYPE  SLIS_LAYOUT_ALV.
DATA:CT_FIELDCAT            TYPE  SLIS_T_FIELDCAT_ALV.
DATA:GT_FIELDCATALOG        TYPE SLIS_T_FIELDCAT_ALV .
DATA:LS_CT_FIELDCAT         LIKE LINE OF CT_FIELDCAT.
DATA:LS_IT_FIELDCATALOG     LIKE LINE OF GT_FIELDCATALOG.
DATA:LV_GRID_TITLE          TYPE  LVC_TITLE ."VALUE '上载数据'.
DATA:LV_ALV_STRUCTURE       TYPE DD02L-TABNAME VALUE 'ZLMS_BOM'.
DATA:GT_ALV                 TYPE TABLE OF ZLMS_BOM.
DATA:LS_ALV                 LIKE LINE OF GT_ALV.
FIELD-SYMBOLS:      LIKE LINE OF GT_ALV.
D

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码是一个模型训练的配置文件。以下是对配置文件中各参数的解释: - `setup: end2end`:采用端到端(end-to-end)的训练方式。 - `Model backbone: resnet18`:使用ResNet-18作为模型的主干网络。 - `model_kwargs`:模型的额外参数设置。 - `head: mlp`:使用多层感知机(MLP)作为模型的头部。 - `features_dim: 128`:模型的特征维度为128。 - `nheads: 1`:模型的头数为1。 - `nclusters: 10`:模型的聚类数为10。 - `Dataset`:数据集相关的参数设置。 - `train_db_name: cifar-10`:训练集的数据库名称为CIFAR-10。 - `val_db_name: cifar-10`:验证集的数据库名称为CIFAR-10。 - `num_classes: 10`:数据集的类别数为10。 - `num_neighbors: 5`:每个样本的最近邻数为5。 - `Loss`:损失函数相关的参数设置。 - `criterion: end2end`:采用端到端(end-to-end)的损失函数。 - `criterion_kwargs`:损失函数的额外参数设置。 - `temperature: 0.1`:温度参数为0.1。 - `entropy_weight: 2.0`:熵权重为2.0。 - `Hyperparameters`:超参数设置。 - `epochs: 1000`:训练的总轮数为1000。 - `optimizer: sgd`:优化器采用随机梯度下降(SGD)。 - `optimizer_kwargs`:优化器的额外参数设置。 - `nesterov: False`:不使用Nesterov加速。 - `weight_decay: 0.0001`:权重衰减系数为0.0001。 - `momentum: 0.9`:动量因子为0.9。 - `lr: 0.4`:学习率为0.4。 - `scheduler: cosine`:学习率调度器采用余弦退火调度。 - `scheduler_kwargs`:学习率调度器的额外参数设置。 - `lr_decay_rate: 0.1`:学习率衰减率为0.1。 - `batch_size: 256`:批次大小为256。 - `num_workers: 8`:数据加载的线程数为8。 - `Transformations`:数据增强相关的参数设置。 - `augmentation_strategy: simclr`:采用SimCLR的数据增强策略。 - `augmentation_kwargs`:数据增强的额外参数设置。 - `random_resized_crop`:随机裁剪并调整尺寸。 - `size: 32`:裁剪后的尺寸为32。 - `scale: [0.2, 1.0]`:裁剪的尺度范围为0.2到1.0。 - `color_jitter_random_apply`:随机应用颜色抖动。 - `p: 0.8`:颜色抖动的概率为0.8。 - `color_jitter`:颜色抖动的参数设置。 - `brightness: 0.4`:亮度抖动的幅度为0.4。 - `contrast: 0.4`:对比度抖动的幅度为0.4。 - `saturation: 0.4`:饱和度抖动的幅度为0.4。 - `hue: 0.1`:色调抖动的幅度为0.1。 - `random_grayscale`:随机将图像转为灰度图的概率为0.2。 - `normalize`:图像的归一化参数设置。 - `mean: [0.4914, 0.4822, 0.4465]`:图像的均值。 - `std: [0.2023, 0.1994, 0.2010]`:图像的标准差。 - `transformation_kwargs`:数据转换的参数设置。 - `resize: 40`:将图像调整为40x40。 - `crop_size: 32`:将图像裁剪为32x32。 - `normalize`:归一化的参数设置,与上述`augmentation_kwargs`中的一致。 这些参数定义了模型训练过程中的各种设置,包括模型架构、数据集处理、损失函数、优化器、学习率调度器和数据增强等。

“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