机器学习论文插图模板:用PPT高效绘制CNN架构图
简介面向机器学习论文写作的绘图模板以单个PPTX文件打包发布专为需要绘制网络结构图、模块示意图的研究生和科研人员设计。模板将Softmax函数、卷积操作、图像锐化、特征向量与输入输出层等常见组件连同卷积神经网络层、最大池化、全连接层等模型结构图形整合在同一演示文稿中使用者可直接复用或修改这些元素节省从零构图的时间。压缩包大小约10.46MB体积适中方便下载与二次编辑图形均为可编辑对象可调整颜色、尺寸并组合出适合自己论文的网络结构适配期刊插图或汇报展示需求。目前已有685人浏览学习说明模板在科研绘图场景中具备一定参考价值。内容覆盖从数据输入到特征提取再到结果输出的完整架构示意既适合论文插图和组会PPT也可作为教学课件底版能帮助作者清晰表达模型内部结构与关键运算环节。1. 论文插图难产时ML 绘图模板该从哪一步开始救场做机器学习方向的研究最耗时的事情除了跑实验就是把模型架构画成一张能直接放进论文的示意图。很多开源项目只给代码不给图写论文时才发现要从零拉方块、接箭头图层一多就手忙脚乱。这套机器学习绘图模板是一份 PPT 格式的论文绘图资源内置 Softmax、Convolve、Sharpen、Maxpool、全连接层等常用组件并附一条完整的 CNN 架构示例Input 32x32x3 进经过多层卷积与池化到 FC-512 提取 Feature Vector最终从 Output 出结果。适合准备写论文的研究生、需要画模型图的工程师以及任何想在半天内产出一张不丢人架构图的人。它解决的核心问题是画图不该从空白页面开始。2. 拆模板底料Softmax、卷积核与三个高频图形组件的用法模板的价值不在“好看”而在“能改”。拆开看里面每一个图形都是按论文插图标准做好的组件但组件之间有明确的使用边界哪些图形可以原样拖走哪些需要自己补参数标签哪些组合必须一起复制。这一章先把最常用的三个组件讲透后面拼架构图才不会翻车。2.1 Softmax 图形从公式到方块图的对应关系Softmax 是输出层最常用的激活函数公式是 softmax(x) exp(x) / Σexp(x)作用是把全连接层输出的 logits 映射成概率分布每个值落在 (0,1) 区间且所有输出之和为 1。在论文插图里审稿人默认你不需要把公式写出来但图形必须能看出“多类输出”的结构。模板里的 Softmax 组件是一个圆角矩形内部标着 “softmax”外接三条输出箭头对应三个类别分支。使用方法是把箭头末端的文字改成你自己的类别名比如 “正常 / 异常 / 背景”。这里有一个很容易漏掉的细节只复制了方块本体没有连同三条输出箭头一起复制结果新图里 Softmax 变成了一个没有出口的方块。我一般按住 Ctrl 键依次点选方块和所有箭头右键“组合”把它变成一个完整组件再拖走。参数上模板里 Softmax 方块默认宽约 2.4 厘米、高约 1.2 厘米。如果你的分类类别超过 3 个不要直接拉矮方块正确做法是增加输出箭头的数量并稍微加宽方块。箭头之间的间距保持在 0.4 厘米文字放在箭头终点上方字号统一 10.5 磅避免文字压线。二分类场景下有人会把 Softmax 换成 Sigmoid。这套模板里没有单独的 Sigmoid 组件常见做法是复制一个 Softmax 方块把内部文字改成 “sigmoid”并删除多余的两条输出箭头。这样改图形布局完全不变只是逻辑表达更准确。2.2 Convolve 与 Sharpen卷积、锐化的图形表达与参数标注Convolve 是 CNN 的特征提取核心模板里把它画成两个叠放的矩形下层是输入特征图浅色大矩形上层是卷积核深色小矩形小矩形覆盖在大矩形的一个角落旁边配一条带箭头的折线表示滑窗方向。这个画法对应的是 3x3 卷积核在单次 stride 下的局部计算比直接写一个 “Conv2D” 文字框更有信息量。用这个组件时参数标签需要自己补。模板没有预设卷积参数这是它特意留白的地方。我习惯在组件正下方放一个文本框固定写三行内容第一行卷积核尺寸第二行步长第三行 padding。例如 “3x3 conv / stride 1 / padding same”字号 10.5 磅行距 1.2 倍。文本框与方块边缘留出 0.15 厘米间距导出后才不会显得拥挤。Sharpen 组件用于图像锐化在论文里通常出现在预处理阶段位置是 Input 之后、第一层卷积之前。模板把 Sharpen 画成一个独立方块内部标 “sharpen”视觉上要表达的是“先增强边缘信息再进网络提取特征”。如果你做消融实验想表达“不使用锐化”这个分支不要把 Sharpen 方块直接删除。更稳妥的画法是把它放进一个虚线框并在方块上打一个斜杠表示该路径被禁用。直接删除会让读者无法理解预处理流程的完整设计审稿人容易追问。在预处理流程里我习惯把 Input、Sharpen、Convolve 三个组件纵向排列用一条竖直箭头串联再整体作为一组放入完整架构图。竖排的好处是横向空间留给后面的主要模块整个图的比例也更协调。2.3 CNNLayer 与 Maxpool把层结构画成可复用的组合块CNNLayer 是这套模板里最值得复用的组合。它不是单个矩形而是由三个子块纵向叠放组成底部是卷积层深色填充中间是池化层浅色填充顶部是激活函数带非线性曲线符号。这表达的是“一层完整 CNN 层 conv pool activation”。复制 CNNLayer 时全选三个子块先做一次水平居中对齐再按住 Ctrl 键拖拽复制得到的新组合块会自动保持原来的间距。不要一个子块一个子块地复制那样对齐会花掉大量时间而且很容易出现像素级的偏移。Maxpool 组件在模板里有两种标注只写 “Maxpool” 的和写 “Maxpool(2×2)” 的。前者表示默认池化窗口为 2×2后者明确标出窗口尺寸。在投稿论文里我建议统一使用带尺寸的写法因为审稿人经常会追问 pool size 到底是 2×2 还是 3×3。模板里的 Maxpool 图形是一个扁矩形内部带下采样箭头符号这个符号不要随意变形保持宽高比 3:1。整套模板的间距规则是一致的组合块内部的子块间距为 0.3 厘米模块与模块之间的水平间距为 0.5 厘米。如果你复制出来的新组合块间距不对用 PPT 的“对齐-横向分布”功能重新分配一次即可恢复不需要手动逐个拖。3. 从 Input 到 Output用模板拼一张完整的 CNN 架构图模板自带了一条完整的 CNN 主流程这是入手最快的一条路径。你不需要理解网络设计原理只需要按顺序把每个组件从模板中取出来替换成自己的参数再重新连线。重点是把模板里已有的结构看懂然后做出正确的替换动作。3.1 先理清模板里的层级顺序模板内置的主流程是Input 32x32x3 → Conv3-32x4 → Maxpool → Conv3-64x2 → Maxpool(2x2) → Conv3-128x1 → Maxpool(2x2) → FC-512 → Feature Vector → Output。这串结构用表格拆开看更清楚阶段组件名称参数含义输入Input 32x32x3高 32、宽 32、通道 3特征提取Conv3-32x43x3 卷积核、32 个输出通道、重复 4 次降维Maxpool默认池化窗口 2x2特征提取Conv3-64x23x3 卷积核、64 个输出通道、重复 2 次降维Maxpool(2x2)池化窗口 2x2特征提取Conv3-128x13x3 卷积核、128 个输出通道、执行 1 次降维Maxpool(2x2)池化窗口 2x2分类FC-512全连接层512 个神经元输出Feature Vector512 维特征向量结果Output最终分类结果动手改图之前先把这串结构抄在一张便签上对照模板里的每一个组件做勾销确认。实际项目中很少有人会原样使用这套参数但模板的价值在于它演示了“正确的组件连接方式”你不需要重新发明布局。3.2 复制-替换实战把 32x32x3 改成自己的输入尺寸第一步双击 Input 方块把 “32x32x3” 改成你自己的输入尺寸。例如改成 “224x224x3” 时同时把方块的长宽比调整为 1:1。如果输入是灰度图改成 “512x512x1”并把方块填充色从彩色换成灰色系避免读者误判通道数。第二步修改第一个卷积组件的参数标签。模板里 “Conv3-32x4” 是缩写完整含义是 3x3 卷积核、32 通道、重复 4 次。如果你的网络第一层用的是 7x7 卷积、64 通道就改成 “Conv7-64x2”并同步修改方块下方的文本框标签。注意这个缩写模板只写通道数和重复次数不写 stride 和 padding这两项要写在单独的三行文本框里。第三步检查所有 Maxpool 标注。模板里有些池化只写了 “Maxpool”没有写明窗口尺寸。统一改成 “Maxpool(2x2)” 或你自己的实际窗口尺寸。这一步经常被漏掉等到排版时才发现同一张图里出现了两种池化写法字体大小也不一致。第四步全选整个流程组件执行一次“横向分布”确认间距一致。模板默认的组件间距是 0.5 厘米横向分布后会有细微变化这是正常的只要整体视觉均匀即可。3.3 连线与布局让流向图不乱的技巧架构图最怕的不是画方块而是连线乱。模板里提供两种箭头实线箭头用于主数据流也就是从 Input 到 Output 的正向过程虚线箭头用于辅助信息流比如后面要讲的 AMFC 分支输入。两种线不要混用否则读者分不清主次。布局上我建议按三个步骤来。第一步把所有组件按流程序号横向排开间距统一为 1 厘米不要从一开始就“大致摆一下”然后反复微调。第二步全选所有组件执行一次垂直居中让所有方块处于同一水平线。第三步处理分叉点和特殊位置的箭头这一步才是真正需要手动调整的地方。当组件总数超过 8 个时横向空间不够建议把流程拆成两行。拆行的关键是找一个“桥接节点”通常选某个 Maxpool。第一行结束在这个节点第二行从同一个节点继续两行之间用折线箭头连接。折线的拐弯处要预留空位不要让箭头压住任何文字。提示如果两行之间的折线箭头方向容易让人看反可以在箭头中段加一个小标签如 “continue”这样读者能立刻跟上流向。4. 改造成自己的网络FC-512、Feature Vector 与高维模块的接入模板里的 CNN 主流程只是抛砖引玉。实际论文里很少有不加任何改动直接采用这套结构的。更多情况是你需要把全连接层改尺寸、加上聚类分支、接上采样模块。这一章讲清楚最常见的三种改造以及改造时容易画错的地方。4.1 FC-512 和 Feature Vector 的图形搭配FC-512 表示全连接层的神经元数量为 512。模板中 FC 层被画成一个扁矩形内部标注 “FC-512”。Feature Vector 紧跟其后一般画成一个竖向长条表示特征向量的维度。从 FC 层到 Feature Vector 之间我习惯加一个 “flatten” 的小标签提示读者这里做了维度拉直操作。这个标签在模板里没有需要自己用文本框补上。如果你把 FC 改成 1024 维只需要改文字不需要重画图形。但要注意 Feature Vector 竖条的高度最好与 FC 层的文字行高保持一致否则两个组件看起来像互不相干的零件。简单做法是改完文字后让 Feature Vector 的高度等于 FC 层文本框高度顶部对齐。如果你的输出是多任务FC 层之后需要分出两条路径一条接到分类的 Softmax一条接到回归头。模板里没有现成的回归头常见做法是复制一个 Softmax 方块把内部文字改成 “regression head”再把三条输出箭头删到只剩一条末端接一个标量输出方块。4.2 加挂 AMFC/SMC 组件时的模块化拆解模板的完整架构里包含了 AMFC 和 SMC 两个附加模块。AMFC 是自适应模糊C均值聚类算法SMC 是序贯蒙特卡罗算法。这两个都不是单个矩形能表达清楚的需要先拆成子块再组合成模块。AMFC 可以拆成三个纵向子块模糊隶属度初始化、距离计算、聚类中心更新。三个子块自上而下排列外面套一个大的虚线框左上角标注 “AMFC”。SMC 拆成三个横向子块粒子集表示、权重更新、重采样同样套虚线框标注 “SMC”。两个模块的接入位置通常是 Feature Vector 之后作为并行分支。这里有一个非常常见的画法错误把 AMFC 和 SMC 直接串在主流程上读者会误以为它们是网络主干的后续层。正确做法是让它们从 Feature Vector 右侧分叉引出用两条独立箭头分别连接。模块子块划分连接位置常见误区AMFC隶属度初始化 → 距离计算 → 聚类中心更新Feature Vector 后的并行分支画成串行主线SMC粒子集 → 权重更新 → 重采样Feature Vector 后的并行分支与 AMFC 共用一条箭头如果两个模块的输出都要进入最终 Output需要在 Output 前再加一个融合节点通常画成一个 “concat” 小方块表示向量拼接或加权融合。这个节点在模板里也没有可以从 FC 组件复制后改文字。4.3 多分支结构并行子网的画法多分支结构在论文里很常见除了 AMFC 与 SMC 并行还有双流网络、多尺度特征融合这类设计。画并行的关键是分叉点要干净。与其让两条箭头从同一个矩形边缘的两个不同位置出发不如在矩形右侧放一个圆点节点两条箭头从圆点沿不同方向引出。圆点直径 0.2 厘米填充色与主流程的深色一致。箭头方向用 PPT 的旋转工具调整按住 Shift 键可以按 15 度步进这样两条箭头的夹角能精确控制在 30 度或 45 度。分支说明文字放在箭头中段上方不要放在末端否则容易与下一级组件重叠。如果分支数量超过 3 个不要用圆点放射画法那样会显得杂乱。正确做法是画一条水平主线从主线上等距引出三根垂直线分别接入各分支。这种画法视觉上更稳定读者更容易追踪每一路分支的走向。5. 绘图踩坑排查对齐、配色、导出与贴进论文的四个高频翻车点模板用得好不好差别往往不在画图阶段而在导出和排版阶段。这里整理四个我实际遇到过的高频问题每一条都对应一个具体的解决动作。这些问题单独看都很小但任何一个都能导致返工。5.1 图形不对齐、缩放后错位现象整体选中所有组件缩小后有的方块重叠有的文字溢出边框放回 100% 比例又恢复正常。原因最初摆放时不同组件用了不同的间距标准整体缩放时比例不一致导致错位。最典型的诱因是手动逐个拖动方块而不是使用对齐工具。解决全选所有组件使用“排列-对齐-横向分布”功能让水平间距自动均等。如果个别组件仍有偏差手动把间距补到 0.1 厘米以内然后重新执行一次横向分布。从那以后我每画完一张图都会强制做一次对齐而不是等发现明显变形才处理。提示对齐操作的顺序是先横向分布再垂直居中最后做顶部对齐。顺序反了会导致组件整体右移或下移。5.2 线条粗细与字号在导出后不一致现象在自己电脑上看箭头粗细刚好发给别人后箭头细到几乎看不见数字也显得偏小。原因PPT 的线宽单位是磅但不同版本软件渲染效果不同如果导出时用了低分辨率压缩选项细线会被进一步弱化。解决所有箭头和边框统一设置为 1.5 磅以上主流程箭头用 2 磅。字号最小不小于 10 磅建议全文统一用 10.5 磅。导出时不要用默认压缩选择“高清导出”或“保留原始尺寸”。文字量大的图字号提到 11 磅更安全。5.3 颜色太花、灰度打印看不清现象彩色屏幕上看卷积层和池化层层次分明论文按灰度打印出来两种层几乎分辨不出来。原因颜色对比只体现在色相上亮度和饱和度都很接近灰度打印后亮度差异消失。解决新加模块时遵循“亮度优先”原则。主流程组件用 40% 灰度以上的填充色附加模块用浅灰填充加虚线框。确定颜色后把整页导出成灰度图预览一遍。如果预览效果分不清就调整填充色的亮度而不是换色相。5.4 导出图片模糊、投稿被退回现象导出的 PNG 文件在 Word 里看正常印刷稿放大后边缘出现锯齿审稿意见直接写 “figure quality is poor”。原因导出分辨率不够或者用截图工具截取导致的。截图是论文插图的大忌很多新手会在这一步翻车。解决用 PPT 的文件导出功能直接导出 PDF再从 PDF 转成 300dpi 的 TIFF。如果期刊要求位图使用高清导出并把缩放比例设为 300%。图片宽度不要超过正文单栏宽度一般控制在 8.5 厘米以内。投稿前把图片放大到 400% 检查边缘是否平滑。6. 让整套图风格统一一个模板走遍整篇论文的实操习惯这套模板我用下来最大的收益是它帮我建立了一个“母版”意识。现在每次画论文图都先从这个模板里复制组件而不是新建空白 PPT。这样整套论文的字体、线宽、配色天然一致不用在最后统一调样式。6.1 用 VBA 一键统一字体与线宽论文图数量一多最烦人的就是字体不统一。有的图用了默认字体有的图改过字号肉眼看不出来但放大看就是难受。我写了一段很小的 VBA 片段放在个人宏里每画完一张图就运行一次Sub UnifyStyle() Dim s As Shape For Each s In ActivePresentation.Slides(1).Shapes If s.HasTextFrame Then s.TextFrame.TextRange.Font.Name Arial s.TextFrame.TextRange.Font.Size 10.5 End If If s.Line.Weight 1.5 Then s.Line.Weight 1.5 Next s End Sub这段代码遍历当前幻灯片的所有形状把有文字的组件统一切到 Arial 10.5 磅把所有细于 1.5 磅的线条统一加粗。运行前先另存一份备份防止误改原样式。6.2 导出前强制走一遍的检查清单我现在养成了一个习惯导出前按顺序做三件事全选图形检查是否有文字溢出把整页缩放至 25% 检查连线是否歪斜导出 PDF 后放大到 400% 检查边缘是否平滑。这三步做完再往论文里贴。从那以后我每次提交论文前都强制走一遍这个流程帮我挡掉了不少审稿人关于图片质量的负面意见。这个模板解决的是从空白页开始的难产问题但真正决定图能不能用还得靠最后这三分钟检查。希望这套模板和这些检查习惯能帮到你把画图的时间压到最低省下来的精力留给真正难啃的实验部分。本文还有配套的精品资源点击获取

相关新闻

深度学习在自动驾驶中的落地分工:从感知预测到规划控制的工程实践

深度学习在自动驾驶中的落地分工:从感知预测到规划控制的工程实践

很多人会把“无人驾驶”理解成一套端到端的魔法系统——摄像头往里灌图像,方向盘自己会转。真实情况远没那么浪漫,至少今天量产落地的方案,拆开看还是一套非常经典的分层架构:环境感知、行为预测、决策规划、控制执行。深度学习在…

2026/10/17 15:51:14 阅读更多 →
BERT微调实战全解:参数设置、数据预处理与踩坑排查

BERT微调实战全解:参数设置、数据预处理与踩坑排查

做NLP的人,八成绕不过BERT微调这道坎。我最早接触它的时候也是从教程里照搬了一套流程,数据集处理好、模型加载、跑几个epoch,看起来好像没什么问题。可等真正用到自己的任务上,问题就全冒出来了:loss降了但指标纹丝不…

2026/10/17 15:50:13 阅读更多 →
大模型批量读文献:DeepSeek API+飞书多维表格全流程源码解析

大模型批量读文献:DeepSeek API+飞书多维表格全流程源码解析

简介:这是一份将DeepSeek R1与飞书多维表格联动的文献批量阅读源码包,面向需要高效整理学术文献的科研工作者、研究生及知识管理爱好者。核心思路是把文献附件和标题粘贴进飞书多维表格,由DeepSeek自动总结研究背景、方法、结果、创新点等核心…

2026/10/17 15:50:13 阅读更多 →

最新新闻

GNSS/INS松组合导航Matlab实现:卡尔曼滤波与误差状态详解

GNSS/INS松组合导航Matlab实现:卡尔曼滤波与误差状态详解

简介:面向航空航天、自动驾驶与航海等导航应用场景,这份GNSS/INS松组合导航Matlab程序适合需要研究卫星/惯性组合导航算法的工程师与在校生。程序围绕GNSS与INS数据融合展开:先由GNSS轨迹生成模拟惯导输出,再经卡尔曼滤波、四元数…

2026/10/17 16:56:54 阅读更多 →
Ubuntu 18.04下evo轨迹评估稳定实践指南

Ubuntu 18.04下evo轨迹评估稳定实践指南

1. 为什么在Ubuntu 18.04上坚持用evo——不是怀旧,是工程现场的刚性需求你可能在2024年听到“Ubuntu 18.04”会下意识皱眉:这系统早该退役了。但现实是,我去年参与的三个机器人SLAM项目、两个高校移动平台课程实验、以及某工业AGV定位模块的现…

2026/10/17 16:56:54 阅读更多 →
Artcraft:数字创作中艺术与工艺融合的方法论

Artcraft:数字创作中艺术与工艺融合的方法论

1. “Artcraft”不是新词,而是被长期误读的创作方法论原点“Artcraft”这个词最近突然在多个内容平台冒头,有人把它当AI绘画新模型,有人当成某款小众设计工具,还有人以为是某个海外艺术节的缩写。我第一次在某跨平台图像处理Demo的…

2026/10/17 16:56:54 阅读更多 →
Go接入微信支付API v3:签名、证书与回调验签全流程指南

Go接入微信支付API v3:签名、证书与回调验签全流程指南

1. 为什么偏偏是Go来写微信支付做开发这些年,微信支付接入应该算是“看起来简单、真正动手全是坑”的典型代表。尤其对Go开发者来说,网上搜到的资料要么是旧版API v2的XML体系,要么是半懂不懂的人拿Java代码硬转过来的伪Go写法,真…

2026/10/17 16:56:54 阅读更多 →
微信推送的“省着用“设计

微信推送的“省着用“设计

文章目录约束设计:三级分流队列:JSONL 文件锁Digest:每小时整理一次配额:三层防线为什么不用消息队列中间件总结约束 通过官方通道给微信发消息,有个硬约束:全天主动发送上限 10 条。超过就发不出去。 1…

2026/10/17 16:56:54 阅读更多 →
RAG切片策略指南:从原理到源码,解决知识库效果瓶颈

RAG切片策略指南:从原理到源码,解决知识库效果瓶颈

简介:这份源码资源面向正在搭建RAG应用、需要优化长文档切分环节的开发者与AI学习者,围绕检索增强生成中的切片策略展开,帮助解决文档切分粒度不当导致检索召回差、生成答案质量低的问题。资源包共5个文件,以Python脚本为主&#…

2026/10/17 16:55:53 阅读更多 →

日新闻

DeepSeek选型与部署:V3/R1、Ollama、API全攻略

DeepSeek选型与部署:V3/R1、Ollama、API全攻略

简介:《DeepSeek使用方法.pdf》是一份面向DeepSeek入门及进阶用户的完整使用指南,重点围绕V3与R1两款模型的能力差异与适用场景展开,帮助读者根据任务类型与成本选择合适的模型。资源共1个PDF文件,压缩包大小约311KB,篇…

2026/10/17 0:00:25 阅读更多 →
200+Deepseek润色指令拆解:从底层原理到场景落地的完整指南

200+Deepseek润色指令拆解:从底层原理到场景落地的完整指南

简介:这是一份聚焦DeepSeek提示词优化的《200Deepseek润色指令》PDF文档,共收录两百余条可直接套用的润色指令,涵盖语法修正、风格统一、逻辑梳理、表达精炼等维度,并针对商务写作、学术论文、广告文案等场景给出差异化建议。文档…

2026/10/17 0:00:25 阅读更多 →
OpenCV轮廓法物体计数系统:轻量、可控、可落地的工业级实现

OpenCV轮廓法物体计数系统:轻量、可控、可落地的工业级实现

简介:本资源是一份基于OpenCV的本科课程设计完整报告,面向计算机视觉初学者、图像处理学习者及高校通信/信息类专业学生,解决物体智能计数与检测结果结构化记录的实际问题。项目覆盖图像预处理、轮廓检测、边界框绘制、轨迹栏交互式参数调节、…

2026/10/17 0:00:25 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,…

2026/10/16 21:35:51 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&…

2026/10/17 1:44:59 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…

2026/10/16 15:04:24 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 …

2026/10/16 21:54:38 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 …

2026/10/16 3:49:43 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 …

2026/10/16 14:23:36 阅读更多 →