1.设计→规则2.线宽设置首选宽度即 布线时的 默认线宽3.布线过程中改线宽连线过程中按Tab键 打开布线属性，直接输入线宽后回车键即可  

文章目录1.前置知识2.查看显卡驱动版本号3.查看显卡驱动版本号和CUDA版本对应关系4.查看经典的CUDA版本号5.安装CUDA5.1.下载CUDA安装包5.2.执行CUDA安装5.3.配置环境变量5.4.CUDA多版本管理1.前置知识如果Ubuntu系统还没有安装显卡驱动，参考这篇文章：Ubuntu20.04LTS安装RTX-3060显卡驱动2.查看显卡驱动版本号当显卡驱动安装完成后，需要使用nvidia-smi命令查看英伟达显卡驱动版本。nvidia-smi如上图所示，英伟达驱动版本为520.61.05，CUDA最高支持的版本为11.8。3.查看显卡驱动版本号和CUDA版本对应关系点击该

一、前言使用stm32f103c8t6的芯片，在OLED显示屏上显示DS18B20的温度值。二、传感器概述DS18B20数字温度计提供9位温度读数,指示器件的温度信息经过单线接口送入DS18B20或从DS18B20送出，因此从中央处理器到DS18B20仅需连接一条线。 读、写和完成温度变换所需的电源可以由数据线本身提供而不需要外部电源。  读时序：写时序：以下是DS18B20的特性：1.独特的单线接口，只需1个接口引脚即可通信。2.每个设备的内部ROM上都烧写了一个独一无二的64位序列号。3无需外部元件。4.能够采用数据线供电，供电范围为3.0V至5.5V。5.温度可测量范围为：-55℃至+1

Ubuntu20.04VINS-Mono安装及运行环境配置VINS-Mono的运行需要ROS，环境，此处我选择的是Ubuntu20.04+melodic。此外，还需要一下依赖库eigenopencvceres其中eigen与opencv已经装好（注意版本，eigen3.3.3，opencv3.x，不建议过高），因此我直接跳到安装ceres的步骤ceres安装在安装ceres之前，我们首先需要保证具备编译ceres所需要的依赖库，如果没有，则可已通过一下命令安装Sudoapt-getinstallliblapack-devlibsuitesparse-devlibcxsparse3.1.2lib

什么是源？源是Linux系统中的一个文件，可以说是Linux的灵魂，一个Linux配置的源文件决定了Linux系统可以获取哪些资源，获取哪些文件，源文件损坏意味着Linux系统无法下载/更新等为什么要换源？我们使用的国外的系统，类似于Ubuntu这一类系统，默认集成的源是国外的源，下载和更新速度十分缓慢；由于速度慢，可能会导致下载错误，下载停止等问题，并且换成国内源下载速度直接起飞，所以换国内源是很有必要的具体步骤：1.备份源列表sudocp/etc/apt/sources.list/etc/apt/sources.list.bak2.命令行打开sources.list文件   vim打不开的

第一种情况（也是最常见的解决办法） 打开终端：输入sudoapt-getinstallpavucontrol 加载完成以后，输入：pavucontrol如果无法在终端打开pavucontrol，可以尝试其他解决办法：在ubuntu自带的UbuntuSoftware中，搜索PulseAudio出现如下几个音量控制软件，挨个下载安装看是否能打开 我在这里用的第二个，发现可以打开疑惑：作者在探索ubuntu系统时，打开软件应用系统总是没反应，有知道明白的欢迎讨论第二种情况：打开pavucontrol后，配置中无模拟立体声输出解决办法：查看自己计算机是否正在使用snd_hda_intel内核模块，输入

目录一、ERC-20介绍二、ERC-20代币标准功能1、可选功能2、标准功能三、获取代币信息

引言 在虚拟机中的Ubuntu中安装配置OpenCV，OpenCV的版本是4.5.5，安装过程简单明了，一步到位。一、下载需要的安装包1、Opencv4.5.5下载地址：Releases-OpenCV，点进去找到你要下载的Opencv版本，我们这里以4.5.5版本的为例，点击Sources即可完成下载，会得到一个压缩包。2、下载OpenCV的扩展包opencv_contrib，下载地址：GitHub-opencv/opencv_contrib:RepositoryforOpenCV'sextramodules，打开链接后如下图：注意：需要下载与你Opencv相一致的版本，比如我这里需要下载4.

相关hyper-v安装ubuntu-20-serverhyper-v建立快照hyper-v快速创建虚拟机-导入导出虚拟机准备虚拟机设置采用hyper-v方式安装ubuntu-20虚拟机和koolsharehostnameiph01192.168.66.20h02192.168.66.21h03192.168.66.22静态IP所有机器都需要按需设置sudovim/etc/netplan/00-installer-config.yamlsudonetplanapply00-installer-config.yamladdresses中192.168.66.10是机器的IP地址gateway4是k

大规模语言模型（LLM）使用户可以借助提示和上下文学习来构建强大的自然语言处理系统。然而，从另一角度来看，LLM在特定自然语言处理任务上表现存在一定退步：这些模型的部署需要大量计算资源，并且通过API与模型进行交互可能引发潜在的隐私问题。为了应对这些问题，来自卡内基梅隆大学（CMU）和清华大学的研究人员，共同推出了Prompt2Model框架。该框架的目标是将基于LLM的数据生成和检索方法相结合，以克服上述挑战。使用Prompt2Model框架，用户只需提供与LLM相同的提示，即可自动收集数据并高效地训练适用于特定任务的小型专业模型。研究人员在三个自然语言处理子任务上进行了实验。采用少量样本提