- 综合排序
- 最热优先
- 最新优先
- 来自专栏硬件工程师
DFM分析~好工具分享
设计文件转换成生产文件过程，一般需要结合实际的制程能力 这便涉及到DFM。 DFM是Design For Manufacture,可制造性设计，是指我们所设计的产品要符合生产要求，能够被顺利加工出来，让产品构想能以综合成本最低的方式被物理实现。 举例： 一：板边距离 如曾经使用DFM工具分析板边距离发现gerber资料的GND层偏离，从而避免等制板厂发现再重新修改，节省了修改的时间点，所以是很推荐硬件工程师自检下layout给到手的gerber 二：阻焊开窗 推荐DFM软件： 华秋DFM：国产软件，符合国人的使用习惯，简单易用；开短路分析，板边距离，阻焊开窗等都可分析，其仿真图更是形象生动： 软件下载地址（复制到电脑端下载）： https: //dfm.elecfans.com/?
1.6K10编辑于 2022-08-29 - 来自专栏硬件大熊
几个你容易忽略的DFM软件技能
距离第一次推荐DFM软件已经过去一年，这一年来DFM软件的开发人员做了诸多优化，包括使用过程中一些bug的修复。 DFM神器：PCB、BOM可制造性设计分析 华秋DFM是一款国产免费DFM可制造分析软件，借助这款软件，可排查基本的工程设计隐患 最近华秋提供了DFM软件小功能的说明视频，本来建议我全都分发成各种小视频 DFM分析神器下载链接： https://dfm.elecfans.com/uploads/software/promoter/hqdfm_yjdx0603.zip 百度网盘版： 链接： https
73930编辑于 2022-12-06 - 来自专栏硬件大熊
DFM神器：PCB、BOM可制造性设计分析
——硬件大熊 本篇工具下载链接： DFM分析神器下载链接： https://dfm.elecfans.com/uploads/software/promoter/hqdfm_yjdx0603.zip 华秋DFM是一款国产免费DFM可制造分析软件，借助这款软件，排查基本的工程设计隐患 PCB设计与制造分析 BOM分析 阻抗分析计算 PCB设计与制造分析 CAM350提供了从PCB设计到PCB加工制造全面流程 替代华秋DFM可以完美替代这两个功能，并且其中优势有3点： a. ，必须做阻抗分析计算，华秋DFM也集成这个功能，作为一款国产软件，全中文化的使用界面操作让阻抗设计的参数设计更为简单高效。 DFM分析神器下载链接： https://dfm.elecfans.com/uploads/software/promoter/hqdfm_yjdx0603.zip 百度网盘版： 链接： https:
1.2K10编辑于 2022-06-23 - 来自专栏机器之心
思必驰行业大模型DFM-2：乘上「东风」，打理万物
从纯大模型角度来看，DFM-2 也是用统一生成式框架解决所有任务。 思必驰 DFM-2 在 C-EVAL 中的评测表现 俞凯也在现场展示了 DFM-2 的常识问答、内容生成、数学计算和代码生成等一些基本的通用智能能力。 现场，思必驰展示了 DFM-2 的常识问答、内容生成、数学计算和代码生成等通用智能能力 接下来，如何理解定义中的行业大模型？目前国内有几十个不同的行业大模型，DFM-2 和它们的主要区别在哪里？ 升级到二代后也包括 DFM-2。 DFM-2 地位类似中控，俞凯解释说，平台基本东西还是这些，但原来的功能都增强了。 过去的模块做了一些升级和适配，之前不少很碎的模块，现在也和大模型做了融合。 例如，通过插件功能，嵌入可信信源，降低 DFM-2 出现幻觉的比例。 通过结构化嵌入一些外部可信信息，或对独立领域单独建模，用相应的专业数据做微调，增强 DFM-2 的理解能力。
36910编辑于 2023-08-08 - 来自专栏数据驱动实践
R语言 轻松绘制顶级配图
$mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high
96320发布于 2020-07-08 - 来自专栏百味科研芝士
ggpubr—专为学术绘图而生
柱状图 1data("mtcars") 2dfm <- mtcars 3# 将cyl转换为因子 4dfm$cyl <- as.factor(dfm$cyl) 5# Add the name colums 6dfm$name <- rownames(dfm) 7# Inspect the data 8head(dfm[, c("name", "wt", "mpg", "cyl")]) 9#> Valiant Valiant 3.460 18.1 6 对barplot排序 按颜色填充时,并不会按分组来排序，只会进行整体排序 1ggbarplot(dfm 按分组降序排列 sort.by.groups=TRUE 参数 这个比较适用于绘制GO的富集情况 1ggbarplot(dfm, x = "name", y = "mpg", 2 fill $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) 3#按zscore分为high, low两组 4dfm$mpg_grp <- factor(ifelse
3.3K23发布于 2019-10-23 - 来自专栏ElecDeveloper
PCB-Design For Money！
我们来讨论下PCB DFM的重要性，DFM即Design For Manufacturing，中文解释是可制造性设计。 DFM会带来很多优点，如缩短开发周期、降低成本、缩短生产时间、提高产品可制造性等。 对很多初级HW来说，如果公司标准化管控得不够好的话，可能不怎么注重PCB DFM。 大厂，一般都有自己专门的可靠性设计部门、工艺研究院等，特别重视DFR、DFM。 但该软件并不免费，且也挺复杂的，此时我们需要找一个更简单些的 PCB DFM工具对自己的设计进行简单自查。 推荐一款国内免费PCB设计及可制造性分析软件—华秋DFM，功能还可以，支持一键DFM，简单易用： 感兴趣的同学可以下载试用下，链接【https://dfm.elecfans.com/】： 该软件还是有很多值得优化的地方的
74750发布于 2021-09-14 - 来自专栏小明的数据分析笔记本
用ggpubr包制图
data("mtcars") dfm <- mtcars dfm$cyl <- as.factor(dfm$cyl) dfm$name <- rownames(dfm) head(dfm[, c("name ggbarplot(dfm, x = "name", y = "mpg", fill = "cyl", # change fill color by cyl # Calculate the z-score of the mpg data dfm$mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp (dfm[, c("name", "wt", "mpg", "mpg_z", "mpg_grp", "cyl")]) ? ggbarplot(dfm, x = "name", y = "mpg_z", fill = "mpg_grp", # change fill color by
1.9K30发布于 2020-11-13 - 来自专栏小小挖掘机
【通俗易懂】手把手带你实现DeepFM！
layers num_layer = len(dfm_params['deep_layers']) input_size = dfm_params['field_size'] * dfm_params np.random.normal(loc=0, scale=glorot, size=(dfm_params['deep_layers'][i - 1], dfm_params['deep_layers ['use_fm'] and dfm_params['use_deep']: input_size = dfm_params['field_size'] + dfm_params['embedding_size '] + dfm_params['deep_layers'][-1] elif dfm_params['use_fm']: input_size = dfm_params['field_size '] + dfm_params['embedding_size'] elif dfm_params['use_deep']: input_size = dfm_params['deep_layers
13.4K154发布于 2019-06-25 - 来自专栏人工智能LeadAI
【通俗易懂】手把手带你实现DeepFM！
layersnum_layer = len(dfm_params['deep_layers'])input_size = dfm_params['field_size'] * dfm_params[' np.random.normal(loc=0, scale=glorot, size=(dfm_params['deep_layers'][i - 1], dfm_params['deep_layers ['use_fm'] and dfm_params['use_deep']: input_size = dfm_params['field_size'] + dfm_params['embedding_size '] + dfm_params['deep_layers'][-1]elif dfm_params['use_fm']: input_size = dfm_params['field_size'] + dfm_params['embedding_size']elif dfm_params['use_deep']: input_size = dfm_params['deep_layers']
1K20发布于 2019-07-31 - 来自专栏北野茶缸子的专栏
44. R编程（六：向量类型详解1）
<- data.frame( + x = 1:3 * 10 + ) > dfm$y <- matrix(1:9, nrow = 3) > dfm$z <- data.frame(a = 3:1, b = letters[1:3], stringsAsFactors = FALSE) > dfm <- data.frame( + x = 1:3 * 10 + ) > dfm$y <- matrix (1:9, nrow = 3) > dfm$z <- data.frame(a = 3:1, b = letters[1:3], stringsAsFactors = FALSE) > dfm x y.1 y.2 y.3 z.a z.b 1 10 1 4 7 3 a 2 20 2 5 8 2 b 3 30 3 6 9 1 c > dfm $y.1 NULL # 这里y 矩阵的三个维度会被强制命名后缀增加.1,.2,.3 > tibble::as_tibble(dfm) # A tibble: 3 x 3 x y[,1]
73240编辑于 2021-12-17 R可视化：ggpubr的基本图形
<- mtcarsdfm$cyl <- as.factor(dfm$cyl)dfm$name <- rownames(dfm)head(dfm[, c("name", "wt", "mpg", "cyl $mpg -mean(dfm$mpg))/sd(dfm$mpg)dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high"), ")])ggbarplot(dfm, x = "name", y = "mpg_z", fill = "mpg_grp", # change fill color <- mtcarsdfm$cyl <- as.factor(dfm$cyl)dfm$name <- rownames(dfm)p1 <- ggscatter(dfm, x = "wt $name <- rownames(dfm)p3 <- ggscatter(dfm, x = "wt", y = "mpg", color =
65410编辑于 2024-06-11- 来自专栏NLP/KG
搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战
= len(dfm_params['deep_layers'])input_size = dfm_params['field_size'] * dfm_params['embedding_size'] (loc=0, scale=glorot, size=(dfm_params['deep_layers'][i - 1], dfm_params['deep_layers'][i])), ['use_fm'] and dfm_params['use_deep']: input_size = dfm_params['field_size'] + dfm_params['embedding_size '] + dfm_params['deep_layers'][-1]elif dfm_params['use_fm']: input_size = dfm_params['field_size'] + dfm_params['embedding_size']elif dfm_params['use_deep']: input_size = dfm_params['deep_layers']
1.8K10编辑于 2024-01-26 - 来自专栏庄闪闪的R语言手册
R可视乎|马赛克图
<- melt(df, id = c("segment", "xmin", "xmax"),value.name="percentage") colnames(dfm)[ncol(dfm)]<-"percentage " #ddply()函数使用自定义统计函数，对data.frame分组计算 dfm1 <- ddply(dfm, . (segment), transform, ymax = cumsum(percentage)) dfm1 <- ddply(dfm1, . (segment), transform,ymin = ymax - percentage) dfm1$xtext <- with(dfm1, xmin + (xmax - xmin)/2) dfm1$ ytext <- with(dfm1, ymin + (ymax - ymin)/2) #join()函数，连接两个表格data.frame dfm2<-join(melt_df, dfm1, by
2.1K20发布于 2021-04-09 - 来自专栏DeepHub IMBA
10个Pandas的小技巧
unique())) lst_colors = ['#%06X' % np.random.randint(0, 0xFFFFFF) for i in range(len(lst_elements))] dfm ["color"] = dfm["cluster2"] dfm["color"] = dfm["color"].apply(lambda x:lst_colors[lst_elements.index (x)]) m = folium.Map(location=[dfm.iloc[0].Latitude,dfm.iloc[0].Longitude], zoom_start = 9) for [dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0]),icon=folium.Icon(color='black ',icon_color=lst_colors[index]),tooltip=str(index) + '|#=' + str(dfm.loc[dfm.cluster2==index].groupby
45240编辑于 2022-11-11 - 来自专栏数据猿
【AI大模型展】思必驰DFM大模型——具有通用智能、针对垂域的行业语言大模型
目前，思必驰DFM大模型与全链路对话技术已经在汽车、IoT等智能终端领域及会议办公、金融等行业场景中规模化落地，以智能出行和家居场景为例： （1）在智能出行场景中，基于思必驰DFM大模型的天琴语音助手可为用户提供智能出行规划 模型能力 思必驰DFM大模型具有场景专业化、模型专用化、体验专精化三大特点。 技术说明 在规模量级上，思必驰DFM大模型是百亿量级的行业语言大模型，在一些公开数据集的国际测试中，在同等规模的百亿级大模型中，DFM性能明显处于领先优势。 相较于集中式大模型，DFM在综合成本、响应速度及垂域精度上优势显著，可以更好的服务企业客户。 在垂域大模型能力方面，思必驰DFM具备跨多个专业垂直领域的综合大模型集合能力，通过了五项国家网信办的深度合成服务算法及生成式服务备案（江苏省大模型备案最多），DFM覆盖20个专业垂直领域，大模型端到端耗时
37310编辑于 2025-10-21 - 来自专栏优雅R
「R」数据可视化8：棒棒图
稍微对数据进行一点处理: # Load data data("mtcars") dfm <- mtcars # 转为factor类型的数据 dfm$cyl <- as.factor(dfm$cyl) # 增加一列name dfm$name <- rownames(dfm) > head(dfm) mpg cyl disp hp drat wt qsec library(ggpubr) ggdotchart(dfm, x = "name", y = "mpg", color = "cyl", ggdotchart(dfm, x = "name", y = "mpg", color = "cyl", # 按照cyl dot.size = 6, # 改变点的大小 label = round(dfm
1.5K20发布于 2020-07-06 - 来自专栏NLP/KG
搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战
layers num_layer = len(dfm_params['deep_layers']) input_size = dfm_params['field_size'] * dfm_params np.random.normal(loc=0, scale=glorot, size=(dfm_params['deep_layers'][i - 1], dfm_params['deep_layers ['use_fm'] and dfm_params['use_deep']: input_size = dfm_params['field_size'] + dfm_params['embedding_size '] + dfm_params['deep_layers'][-1] elif dfm_params['use_fm']: input_size = dfm_params['field_size '] + dfm_params['embedding_size'] elif dfm_params['use_deep']: input_size = dfm_params['deep_layers
1.9K10编辑于 2024-01-20 - 来自专栏BioIT爱好者
R 语言柱状图示例笔记
<- mtcars dfm$cyl <- as.factor(dfm$cyl) dfm$name <- rownames(dfm) ggbarplot(dfm, x="name", y="mpg",fill palette="jco", sort.val="asc", sort.by.groups=TRUE, x.text.angle=90) 3.2 zsore 校正及分组 dfm $mpg_z <- (dfm$mpg -mean(dfm$mpg))/sd(dfm$mpg) dfm$mpg_grp <- factor(ifelse(dfm$mpg_z < 0, "low", "high "),levels = c("low", "high")) ggbarplot(dfm, x = "name", y = "mpg_z",fill = "mpg_grp", color = "white = 90, ylab = "MPG z-score",xlab = FALSE,legend.title = "MPG Group") 3.3 图像旋转 ggbarplot(dfm
2K10发布于 2021-10-15 - 来自专栏工程师看海
怎么检查PCB？！一款避坑神器
今天推荐一款比CAM350还好用的软件，电子发烧友论坛出品的《华秋DFM》，支持Allegro、Altium、Protel、PADS、Gerber等文件，我特别喜欢它可以“一键DFM分析”，自动检查设计中的一些错误 所谓DFM（Design for manufacture），指的是面向制造的设计，简单地说，就是使设计适合生产的要求，设计要充分考虑生产的情况，让设计出来的能够稳定生产出来。 DFM是PCB设计、生产中，非常重要的环节。 华秋DFM还支持阻抗计算，更进一步方便前期设计时的走线约束和后期的设计文件检查。 总之，产品设计需要满足产品制造的要求，具有良好的可制造性，产品才能以最低的成本、最短的时间、最高的质量制造出来。 下载链接： https://dfm.elecfans.com/uploads/software/promoter/hqdfm_zch0604.zip
48420编辑于 2022-06-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号