光学仿真参数扫描实战:VirtualLab Fusion中高效掌控多变量设计
搞光学设计的兄弟应该都有过这种经历模型好不容易搭完仿真也跑通了结果发现某一个波长下效率低得离谱。你想弄清楚到底是结构尺寸不对还是入射角偏了于是开始手动改参数、重跑、记录、再改。三五组下来还能凑合赶上要扫几十组甚至上百组一个晚上基本就耗在“改数字—等结果—抄数据”的循环里了。参数变化分析仪这个功能就是专门治这种“参数一多就抓瞎”的毛病。它能让你把模型里的任意设计参数比如波长、周期、厚度、角度、折射率一次性按你设定的范围批量跑完最后把所有结果汇总成曲线、报表或二维图。说白了就是把原本靠人肉重复劳动的参数扫描变成一次有体系的批量计算。这篇文章我不打算念说明书主要结合我在实际项目里的用法聊聊这套参数化分析该怎么用、容易踩什么坑以及怎么把它和公差分析、优化设计串起来。无论是刚接触VirtualLab Fusion的新手还是已经用它跑过几个项目的工程师应该都能找到点有用的东西。1. 参数变化分析仪到底帮你省了什么事1.1 单点仿真与参数扫描的本质区别常规仿真是“拍一张快照”给定一组确定参数算出一组确定结果。参数变化分析仪做的事是把快照变成连续摄影——你把某个变量从最小值到最大值拉开一个区间软件在这个区间里自动取值、逐次仿真最后给你看一条完整的响应曲线。我经常用一个生活里的例子来解释这件事做菜试口味。如果你不知道放多少盐合适一次放2克尝一口不行再加1克再尝一口十几次下来菜都凉了。但你如果一开始就在2克到10克之间设定五个梯度一次性把五种咸度都试一遍就能直接挑出最合适的那一档。参数变化分析仪就是那个“一次性试五种咸度”的工具。在VirtualLab Fusion里这套机制通常叫参数运行Parameter Run。你可以把模型中的设计参数定义成变量让软件在后台反复替换变量、执行仿真再把每一次的结果汇总起来。很多问题只靠单点仿真是看不出来的必须看整条曲线或者整片参数空间的响应才知道设计到底稳不稳。1.2 真正离不开参数扫描的三类场景第一类是公差分析。加工误差、装配误差是躲不掉的透镜间隔公差正负20微米、光栅周期加工偏差正负几十纳米这些实际偏差在你的模型里就是“参数变化”。手动一个个试公差组合效率极低而且很难保证覆盖最坏情况。参数变化分析仪可以把公差范围变成扫描范围直接看到性能在最差情况下的表现。第二类是光谱和角度响应扫描。衍射光栅、滤光片、衍射波导这类元件对波长和入射角极其敏感。设计指标通常要求在工作波段里性能保持平稳或者在某个角范围内都能工作。这种“工作范围”只能靠扫描获得单点算得再准都没用。第三类是正式优化之前的“前级探索”。在跑优化器之前我习惯先用粗扫描把参数空间看一遍。这样能快速判断哪些区域可行、哪些区域性能崩塌也能帮优化器划定边界避免一上来就在错误区间里浪费时间。1.3 VirtualLab Fusion在这个方向上的特点光学仿真软件不少但VirtualLab Fusion有自己的长处。它的传播引擎基于物理光学对衍射、干涉、偏振这类效应处理得比较到位。微纳光栅、亚波长结构、薄膜层、衍射波导这些典型需要参数扫描的对象正好是它的主战场。更重要的是在这个软件里光源、元件、探测器是放在同一个光学链路里联动的。扫描某个参数时不只是改一个数字而是整条光学链路同步变化结果也保持完整的物理信息。这和“把一组参数替换进单独的计算公式”不是一回事它能保留场分布、相位、偏振等细节后处理空间大得多。2. 动手前先搞懂参数变化分析的核心逻辑2.1 变量、扫描范围和评价函数三要素任何参数变化分析任务本质上都可以拆成三个要素你要改哪个参数在什么范围内改以及拿什么指标来判断结果好坏。要素作用我的建议变量模型里可以被扫描替换的参数名称要有意义比如 grating_period、layer_depth扫描范围变量的最小值、最大值、步长/步数先粗后细别一上来就满网格拉满评价函数每次仿真后用来比较结果的数量指标必须和设计目标对齐否则扫了也白扫大多数时候变量来自光源参数、元件几何参数、介质折射率等。扫描范围要根据物理意义来定比如波长扫描就应该覆盖实际工作波段结构尺寸扫描则要考虑加工极限。评价函数则可以是某个衍射级次的效率、探测器上的透过率、波前RMS等。2.2 把“数值”变成“变量”的建模习惯这是很多人忽略的准备工作。如果模型里某个尺寸是直接填进去的“数字”参数变化分析仪是扫不动的必须先在建模阶段就把这个数字替换成变量表达式。刚开始用参数扫描的人经常犯一个错误模型建完了参数分析仪里明明选了“周期”作为扫描对象跑完之后发现结果全一样。排查了半天发现光栅几何里的周期一栏还是死数字根本没引用到变量上。我的习惯是在项目一开始就建一张“参数命名表”物理含义清晰比如grating_period、grating_depth、incidence_angle、layer_d1。命名规则统一缩写尽量一致。这样做有两点好处第一扫描结果的文件名和曲线图例会自动带上变量名整理数据的时候一眼就能认出来第二后期改参数范围时不至于在模型里到处翻找数字对应的物理量。2.3 评价函数怎么选才不误导自己评价函数选得好不好直接决定扫描结果有没有价值。很多探测器默认输出的是整个接收面上的总功率、总能量。如果你关心的是衍射光栅的一级衍射效率就不能直接用全空间总功率否则会把零级、其他衍射级次甚至杂散光全混在一起。正确的做法是按衍射级次对应的角谱窗口做积分再用这个积分值除以入射总功率。VirtualLab Fusion里通常可以通过探测器上的评价函数、区域积分等功能实现。我遇到过一种情况扫描得到的“一级衍射效率”曲线居然有超过100%的点。排查下来发现是因为入射光的参考功率统计口径和探测器积分口径不一致能量口径对不上。这种问题没人提醒的话真的能把人绕晕。2.4 扫描策略范围和步长怎么定一维扫描通常还好几十个点就能看出趋势。二维扫描就要小心了计算量是相乘关系。举个例子如果单点仿真耗时5秒做一个100×100的二维扫描就是10000次仿真大约需要14个小时。这个时间成本放在项目周期里非常致命。所以我一般会用“两步走”策略先粗扫比如每5纳米一个采样点把整体趋势和突变区间摸出来然后对感兴趣的区域局部加密采样。这样做既不会漏掉大趋势又不会被漫无边际的细扫描拖死时间。另外扫描步长的选择和物理机制有关。如果一个参数在某个范围内本身就存在突变比如高阶衍射级次出现或消失那么步长太大就会把突变“平滑”掉曲线看起来好像是连续变化的实际物理现象反而是跳变。先用粗扫描定位突变范围再用细扫描把突变结构吃透是比较稳妥的路径。3. 完整实操用参数变化分析仪做一个一维扫描3.1 搭建一个可扫描的光栅模型拿一个透射光栅模型举例。新建一个光学系统文档添加平面波光源把波长参数从固定数值改成变量引用。然后在光栅元件的几何编辑器中把周期和深度这两项都换成变量表达式。这样光源波长、光栅周期、光栅深度就都成了可被扫描替换的参数。探测器这边也要提前想清楚。如果扫描的是波长那么一级衍射角会跟着变——衍射方程里 sinθ λ/d波长变了衍射角就会变。如果你放一个固定位置的小口径平面探测器波长扫到一定程度一级衍射光可能直接偏到探测器外面去了效率值就会掉到接近零这不是性能问题是测量口径问题。我的解决方法是使用角谱探测器或者在探测器上使用对应衍射级次窗口的积分区域。VirtualLab Fusion里的角谱探测器可以直接按传播方向把光分开这样每个衍射级次都能被稳定接收不随波长改变而出现“假失效”。3.2 绑定参数并创建扫描任务模型准备好之后打开参数变化分析窗口在变量列表里添加要扫描的参数比如wavelength。设置最小值、最大值、步数。以可见光波段为例设置成450nm到700nm共26步也就是每隔10nm扫一个点。这个密度对初步看趋势来说足够。关键一步是确认变量绑定正确。我每次正式跑大批量扫描之前都会先设置一个“只有3个采样点”的粗任务跑一遍然后打开结果看一眼曲线是否随变量变化。曲线全都平的那就说明变量没接上或者模型里还有死数字替代了变量。这一步只要30秒但能省下后面几个小时的无效计算。VirtualLab Fusion的参数变化分析窗口里可以同时添加多个变量这就构成了多维扫描。选中变量后界面上会要求填入扫描范围、步数或步长。添加的变量越多计算组合数就越多所以建议先跑一维任务验证链路再增加维度。3.3 运行扫描并读取结果启动任务后软件会按顺序逐点计算。等待过程中可以在任务管理界面里看当前运行到哪一步。扫描完成后结果集里会出现多个结果项一般会按采样点分开列出同时有一个汇总项可以查看曲线。一维扫描的结果通常是一张“横轴是参数值纵轴是评价函数”的曲线也可以导出成表格数据。我习惯把有效数据导出成CSV文件放到项目目录里。这样后续做公差计算、写报告、做对比分析时都能直接用原始数据而不是去截屏存图。曲线形态出来之后先别急着下结论。看看有没有奇怪的跳变点如果有回到那个采样点单独算一次确认是物理突变还是数值问题。物理突变往往是设计本身在该参数区间存在临界效应数值问题则要检查网格分辨率、采样密度等。3.4 二维扫描的组合逻辑一维扫描看的是单个参数的影响二维扫描看的是两个参数之间的耦合。比如把光栅周期和占空比一起扫结果是一张二维色彩图颜色深浅代表评价函数值的大小。这种图能直观地暴露“平台区”——一片效率较高且变化平缓的参数区域。平台区很有价值因为真正落到生产环节时周期或占空比都会有加工偏差。设计点如果落在平台区中央那一点点偏差不会导致性能剧烈恶化如果设计点落在陡峭斜坡上哪怕只有几纳米的加工误差性能都可能跳水。二维扫描的采样数要克制。同样是100×100网格如果单次仿真要20秒那这个任务要跑差不多55个小时。所以二维扫描的正确用法是先用粗网格找平台区再针对平台区做局部加密把边界看清楚。这个思路我在多个项目里验证过比盲目全范围细扫高效得多。4. 实战案例光栅一级衍射效率的波长与角度响应4.1 一个典型的光栅设计任务我这里用一个模拟项目X来演示。设计目标是一款透射光栅要求在可见光波段450nm到700nm获得尽可能高且平坦的一级衍射效率同时允许入射角有轻微偏转。初始模型参数如下参数数值说明光栅周期1.0 μm保证可见光波段内一级衍射级次可传播光栅深度0.3 μm决定相位延迟量入射角0°正入射材料折射率1.5基底与光栅层折射率评价函数1级衍射效率角谱窗口内积分功率 / 入射功率4.2 一维扫描波长响应用参数变化分析仪对波长做一维扫描范围450nm到700nm步长10nm。扫描结果显示一级衍射效率大致在60%到85%之间波动中间有一个明显的凹陷。看到这种结果第一步不是急着改结构而是确认探测器设置有没有问题。如果探测器固定接收一个方向的衍射光那波长变化带来的角度偏移会直接影响接收效率很可能是假信号。确认角谱探测器设置无误之后才能确认凹陷是真实的物理响应。这个凹陷通常和光栅结构在特定波长附近的模式效应、相位延迟失配有关。要想消除它单纯靠调周期或者调深度不一定有效因为不同参数对效率的影响是耦合的。于是下一步做二维扫描把周期和深度放在一起看。4.3 二维扫描周期-深度组合设置周期从0.8μm扫到1.4μm深度从0.15μm扫到0.5μm。二维扫描结果出来之后效率在参数空间中呈现明显的“脊”和“谷”。在设计目标波段内存在一个效率较高且平坦的平台区位于周期1.0至1.2μm、深度0.25至0.35μm附近。这个结果说明光栅周期和深度之间存在一个协同区间。周期决定各级衍射角的分布深度影响光通过光栅后的相位积累。单看任何一个参数都容易陷入局部最优只有组合扫描才能找到真正稳健的设计区间。用衍射方程可以简单解释周期的作用一级衍射级次能传播的条件是波长要小于周期对应的临界值。周期太短某些工作波长下可能连一级衍射都不存在周期太长高级次又会冒出来抢能量。和深度一起扫就能看到两者共同作用下的效率地图。4.4 公差分析延展把设计点选在平台区中心之后还要考虑实际制造公差。假设光栅周期的加工误差为正负20nm深度的误差为正负30nm那就可以把这两个公差范围直接作为额外的扫描变量围绕设计点再做一轮小范围扫描。这一轮扫描的目的不是找最佳点而是评估“最差情况”。如果坐标系里的设计中心点效率很高但公差范围内某个角落效率掉到40%说明这个设计点虽然峰值性能好但工艺鲁棒性差。平台区中心的一个重要作用就是保证公差范围内效率依然维持在可接受水平。参数变化分析仪在这里的价值很直接把“公差范围”转化成“参数扫描范围”一次性覆盖所有可能的加工偏差组合。相比只算设计中心点这种评估要真实得多。5. 常见问题与排查实录5.1 参数改了结果纹丝不动这个问题我见得太多了。现象是扫描曲线是一条平线怎么改参数结果都不变。排查顺序一般是这样先检查变量名是否拼写一致模型里的表达式引用和扫描任务里选的变量必须是同一个名字。再检查模型相关属性里是不是真的用了变量表达式还是又填回了数字。最后跑一个只有2到3个采样点的任务手动把扫描范围调大如果结果依然完全一致那就是变量没有接到模型上。5.2 扫描任务跑得太慢几个小时起步慢的原因不外乎三方面采样点太多、单点仿真本身太重、探测器分辨率设得过高。对策也直接把扫描范围和步数先降下来跑出趋势后再局部加密。如果局部加密时依然太慢可以尝试降低一些非关键区域的采样分辨率比如把探测器像素分辨率降一个级别。另外如果软件支持并行计算跑批量扫描时尽量把并行打开对二维以上的扫描帮助非常明显。5.3 曲线出现毛刺或跳点毛刺的来源有两类。一类是物理上真实的突变比如某个波长下高阶衍射级次开始出现能量重新分配效率曲线就会突然掉下去。另一类是数值噪声在与波长强相关的共振区域网格分辨率不足也会造成结果跳变。排查方法是把毛刺点对应的参数值固定下来单独重跑一次看结果是否稳定可复现。如果反复出现大概率是物理效应如果每次结果不一样或者换个网格设置就变了那就是数值问题需要加密网格或调整采样策略。5.4 探测器口径在扫描中“漂移”这个问题比较隐蔽。扫描变量是波长时衍射角会变化固定位置的探测器很可能在不同波长下接收的不是同一个物理口径的衍射光。轻则曲线出现假凹陷重则效率值出现跳变。解决方法主要有两种一是使用角谱探测器按传播方向分类接收在对应级次窗口内做积分二是如果必须用空间探测器就把探测器的位置与扫描变量联动始终保持对准衍射级次方向。无论哪种方式核心都是让评价口径在整个扫描过程中保持一致。5.5 问题速查表现象可能原因建议动作结果不随参数变化变量未真正绑定到模型检查表达式引用、变量名一致性计算时间过长采样点过多、仿真过重先粗后细、降低非关键精度、开并行曲线跳变物理级次突变或数值噪声单点复跑验证局部加密效率超过100%统计口径不一致检查参考功率与探测器积分口径曲线假凹陷探测器未对准级次方向使用角谱探测器或联动对准6. 参数分析之外的几条实战经验6.1 先验证通路再放大规模用参数变化分析仪这么多年我最大的体会是不要一上来就拉满采样点跑一个大任务。先设置3到5个采样点把“变量绑定、评价函数、结果输出”这一整条链路跑通确认没问题之后再放大到完整扫描范围。这个习惯帮我避免了很多次“跑了几小时才发现变量没接上”的惨案。6.2 把参数扫描结果当作设计资产扫描结果不只是给自己看一眼的。我会把每次扫描的CSV原始数据、截图、变量定义和扫描范围一起归档。后续修改设计、写技术报告、复现问题的时候这些数据比任何口头讨论都可靠。项目文件里放一个简短的说明文本记清楚每次扫描对应的变量和范围这一点在参数项目一多之后就特别值钱。6.3 参数扫描与优化器配合效果更稳参数扫描能给你全局视角优化器能给你局部精确极值。我的习惯是先扫描锁定几个有潜力的参数区间再让优化器在这些区间内细化搜索。这样既能防止优化器掉进模糊的局部陷阱又能把最终设计点定在真正值得细看的位置。两件事配合起来比单独依赖任何一种工具都稳得多。

相关新闻

Unibest:基于Vite和Vue3重构uni-app开发体验的现代化工程方案

Unibest:基于Vite和Vue3重构uni-app开发体验的现代化工程方案

做了这么多年小程序和多端开发,按说uni-app这套工具链我早就该习惯了,但说句实话,每次打开HBuilderX建新项目的时候,心里总有一种说不出的别扭。老项目用Vue2写还能忍,一旦想上Composition API和TypeScript&#xff0c…

2026/10/12 16:49:50 阅读更多 →
Pandas读写Excel实战指南:openpyxl配置、多级表头处理与样式控制

Pandas读写Excel实战指南:openpyxl配置、多级表头处理与样式控制

1. 为什么“读写Excel”这件事,90%的Pandas新手都卡在第一步?你是不是也遇到过这样的场景:刚学完DataFrame基础操作,信心满满地想把分析结果存成Excel发给同事,结果pd.to_excel()报错说“没有安装openpyxl”&#xff1…

2026/10/12 16:49:49 阅读更多 →
Tesseract OCR中文识别实战:安装、语言包配置与Python集成

Tesseract OCR中文识别实战:安装、语言包配置与Python集成

简介:Tesseract OCR 安装包与中文语言包面向需要在本地完成文字识别的开发者、测试人员及自动化办公用户,尤其适合用 Python 调用 OCR 处理截图、扫描件与票据图片的场景。压缩包共 723 个文件,约 36.01MB,以 h 与 cpp 源码文件为…

2026/10/12 16:49:49 阅读更多 →

最新新闻

Java编程进阶:算法、Lambda与API的实战结合

Java编程进阶:算法、Lambda与API的实战结合

day21,这是我"每天一个Java主题"学习计划的第21天。今天的题目是"API(算法,lambda,练习)",三个词放一起,乍一看像是把三天的内容硬挤进了一天。但真正过下来我发现&#xf…

2026/10/12 22:31:10 阅读更多 →
ngx-bootstrap Carousel 禁用循环播放(Disable Slide Looping)完整指南:从 use-case 规格到源码实现

ngx-bootstrap Carousel 禁用循环播放(Disable Slide Looping)完整指南:从 use-case 规格到源码实现

UI组件前端 【免费下载链接】ngx-bootstrap Fast and reliable Bootstrap widgets in Angular (supports Ivy engine) 项目地址: https://gitcode.com/gh_mirrors/ng/ngx-bootstrap 点击查看 免费下载 本篇技术指南围绕 ngx-bootstrap 组件库中 Carousel&#xff0…

2026/10/12 22:31:10 阅读更多 →
tf-quant-finance EurodollarFutures 定价指南:构造参数、结算公式与源码实现

tf-quant-finance EurodollarFutures 定价指南:构造参数、结算公式与源码实现

金融科技科学计算 【免费下载链接】tf-quant-finance High-performance TensorFlow library for quantitative finance. 项目地址: https://gitcode.com/gh_mirrors/tf/tf-quant-finance 点击查看 免费下载 本文以 tf-quant-finance 的 experimental.instruments.E…

2026/10/12 22:31:10 阅读更多 →
AI 软件开发全流程工具全景图(2025前沿版):用 TaoToken 统一 Key 打通编码到部署链路

AI 软件开发全流程工具全景图(2025前沿版):用 TaoToken 统一 Key 打通编码到部署链路

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 22:31:10 阅读更多 →
用my-translator的Read模式做离线越南语朗读器:分块合成、预取缓存与逐块错误标记是如何做到的

用my-translator的Read模式做离线越南语朗读器:分块合成、预取缓存与逐块错误标记是如何做到的

【免费下载链接】my-translator Real-time speech translation — macOS & Windows, free TTS, no server, your API keys only 项目地址: https://gitcode.com/gh_mirrors/my/my-translator 点击查看 免费下载 my-translator 是一款运行在 macOS 与 Windows 上…

2026/10/12 22:31:10 阅读更多 →
VaR五种算法R实现:从历史模拟到Copula-GARCH全解析

VaR五种算法R实现:从历史模拟到Copula-GARCH全解析

简介:金融风险管理中,风险价值(VaR)是衡量投资组合潜在损失的核心指标。这份资料聚焦五种计算VaR的算法,重点利用DCC-GARCH模型与Copula-GARCH模型进行波动率与相依性建模,面向金融工程、量化风控方向的学生…

2026/10/12 22:30:07 阅读更多 →

日新闻

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

在数码相机、高清显示屏与现代矢量图形技术高度发达的今天,画面可以做到绝对的锐利、平滑与无瑕。然而,当一张秋日手账插画或拍立得照片过于“平整无瑕”时,往往会散发出一种冰冷生硬的“数码塑料感(Digital Plasticity&#xff0…

2026/10/12 0:00:59 阅读更多 →
活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

在现代网页与移动端设计中,横排(Horizontal Layout)早已经成为了绝对的主流。然而,当我们翻开泛黄的线装古籍、宋版木刻诗集,或是欣赏一张茶道雅集的手写便签时,那种**自上而下纵向书写、自右向左逐列铺展&…

2026/10/12 0:00:59 阅读更多 →
周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

每到周日的晚上八点到十点,很多人心里都会悄悄亮起一盏警示灯。 在心理学上,这种现象有一个专门的称谓——“周日夜晚焦虑症(Sunday Scaries)”。明天又是周一,闹钟又要重新在七点响彻卧房;脑海里仿佛有一个…

2026/10/12 0:00:59 阅读更多 →

周新闻

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

简介:基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码,面向计算机相关专业课程设计与期末大作业学生,以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程,…

2026/10/12 0:16:30 阅读更多 →
影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化,十个新手有八个栽在"往输入框里填东西"这件事上:要么填不进去,要么填了一半,要么直接把原来内容追加在后面。这背后的根因&…

2026/10/12 0:16:38 阅读更多 →
影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀:什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面,跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/12 0:16:43 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 21:05:09 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 14:48:49 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 18:11:17 阅读更多 →