如何用excel制作xy曲线图_如何使用Excel制作商品条形码

93529feaed7f9997057b022196a6fc81.png

如何使用Excel制作商品条形码

条形码 (barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符。在商场中的商品上都有条形码,用扫码器或者扫码软件对其扫描就能获得该商品的相关信息。现在,小编为大家介绍如何在excel中制作条形码。步骤一: 添加开发工具选项卡

点击【文件】→【选项】→【自定义功能区】;勾选主选项卡中的【开发工具】。

5c7d6b58daf548d98dce3c90271e18a9.png

步骤二: 调出Microsoft BarCode控件

点击【开发工具】选项卡,【插入】-【其他控件】
在【其他控件】对话框内找到"Microsoft BarCode控件"单击一下,按【确定】。

此时鼠标变为"+"形状,根据实际需要,拖动鼠标划一个B2单元格大小的矩形。放开鼠标自动生成了一个条形码。

82d77118a257b74fd6f6ebdb85c3bd98.png

63fa9123a0ac6ccf6f91f4b87b8dda80.png

步骤三:对条形码进行设置

右键点击条形码,在弹出的快捷菜单中选择"Microsoft BarCode控件15.0对象"并单击"属性"命令.
在弹出的属性对话框中选择一种样式,如【7-code-128】。

5e3a8efe4623157c1696d25c9f21f8e9.png

步骤四:设置条码属性

双击或右键点击条形码;选择【属性】,在弹出的【属性】对话框中的【Linkecell】栏中输入A2。

abbe2d8f90d73dbb8b19f098d67f90c1.png

d968fbac9d96d9a507dfa2f7f540253c.png

END:完成之后根据自己需要调整条码大小即可。下图为成品展示

1c4334e6e9ad00c8321d933c1a7f4069.png

d(゚∀゚d)点赞! 最后,厚脸皮的推荐一下自己的公众号"创客网络",主打分享一些干货,以后一些关于PPT、Excel操作、电脑技巧、资源搜索等干货,还有一些有趣儿的东西,感兴趣可以关注一下。

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