【Python】Pycharm软件拓展功能配置大全——＜汉化包＆修改主题颜色＆修改默认字体和大小＆设置滚轮快捷键，快速改变字体大小＆实时翻译软件插件下载和用法＆常用快捷键＞

最新推荐文章于 2026-08-05 16:08:08 发布
原创 最新推荐文章于 2026-08-05 16:08:08 发布 · 780 阅读 · 13 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
YY滴《Python系列》

当前文章被收录于：

YY滴《Python系列》
4 篇文章 0 人学习

从0开始学习Python

订阅专栏 查看详情

前言

大家好吖，欢迎来到 YY 滴Python系列 ，热烈欢迎！
主要内容含：

目录

欢迎订阅 YY滴其他专栏！更多干货持续更新！以下是传送门！

一.Pycharm软件拓展功能配置大全

1.修改主题颜色

在这里插入图片描述

2.修改默认字体和大小

在这里插入图片描述

3.设置滚轮快捷键，快速改变字体大小

  • 点击设置，搜索框搜索increase

  • 找到increase fontsize“增加字体大小”，右键点击
    -

  • 点击添加快捷键，按住crtl+滚轮上
    在这里插入图片描述

  • 同理设置一个快速缩小
    在这里插入图片描述

4.汉化包

  • 点击setting——plugins，搜索chinese
  • 下载安装
    在这里插入图片描述
  • 点击restart IDE
    在这里插入图片描述

5.实时翻译软件插件下载和用法

  • 点击setting——plugins，搜索translations
    在这里插入图片描述
  • 右键不懂得单词，发现里面有翻译的选项
    在这里插入图片描述

6.常用快捷键

1.ctrl+alt+s:打开软件设置

2.ctrl+d:复制当前行代码

3.shift+alt+上\下:将当前行代码上移或下移crtl+shift+f10:运行当前代码文件

4.shift+f6:重命名文件

5.ctrl+a:全选

6.ctrl+c\v\x:复制、粘贴、剪切

7.ctrl+f:搜索

标签
#python #pycharm #数据库
《第3篇：BCM的“心脏与神经网络”——UJA1169（SBC）深度解析》
weixin_53066395的博客
08-04 385
摘要： SBC（系统基础芯片）是BCM（车身控制模块）的核心，承担供电、通信和监控三大功能。以UJA1169为例，其集成LDO稳压器（12V转5V/3.3V）、CAN收发器（支持低功耗唤醒）和看门狗（防MCU死机），解决了分立方案（多芯片组合）的PCB面积大、成本高、时序复杂等问题。在低功耗场景下，UJA1169的CAN收发器可监听总线唤醒信号，协同MCU完成休眠与唤醒流程。设计时需注意PCB布局、看门狗配置及唤醒源优化。SBC通过高度集成，以更低的成本和更高的可靠性成为BCM的“心脏与神经网络”。
重点-偏差方差与神经网络
weixin_64179111的博客
08-05 212
摘要：神经网络通过调节模型复杂度来平衡高偏差（欠拟合）和高方差（过拟合）问题。大型神经网络在中小数据集上通常具有低偏差特性，能有效拟合数据。解决高偏差可通过增加隐藏层提升复杂度，高方差则需扩充数据。关键在于适当使用正则化（如L2正则化）控制大网络参数，这不会显著影响性能，反而可能提升表现。核心结论是：1）正则化后的大网络几乎无负面影响；2）神经网络（尤其大型）是出色的低偏差拟合工具，适用于复杂函数，除非数据量极大。计算效率是主要权衡因素。
更大的神经网络（自动微分 auto diff）
weixin_64179111的博客
07-30 75
摘要：反向传播在神经网络中提供了一种高效计算梯度的方法，能够显著降低计算复杂度。相比逐参数调整所需的参数数量与节点数量相乘的计算量，反向传播将计算量降为相加关系，大幅提升了训练速度和效率。这种方法使梯度计算更加可靠和高效，适合与梯度下降或Adam等优化算法配合使用来训练神经网络参数。
PyTorch深度学习实战：5个核心方法从0到1构建神经网络
weixin_70280055的博客
07-29 702
本文为零基础开发者提供PyTorch实操指南。从张量操作、自动求导、神经网络构建、数据加载管道到完整训练循环，提炼5个核心方法。通过通俗类比与实操代码，带你快速掌握深度学习框架底层逻辑，轻松开启AI模型开发。
AI赋能复合材料力学：从数据驱动到物理信息神经网络与多尺度仿真
y2715163545的博客
08-05 360
复合材料因其高比强度、高比模量及可设计性等优异性能，已在航空航天、汽车轻量化、土木工程等领域得到广泛应用。然而，复合材料从微观组分到宏观性能呈现多尺度、多物理场的非线性耦合特征，其力学行为精准预测面临巨大挑战：传统实验表征成本高、周期长；高保真数值模拟计算量庞大，难以满足参数优化与快速迭代的设计需求；湿热环境、高温服役等复杂工况下的材料性能演化规律尚不清晰。这些瓶颈严重制约了复合材料的工程化应用与新型号研发效率。
05-神经网络
魔镜er的学习笔记
07-31 210
深度学习神经网络借鉴大脑仿生；数据由输入逐层运算得到预测结果，该过程为前向传播（正向传播）。
【动手学大语言模型】神经网络启蒙：PyTorch 入门实战
oEw6qRLQ9的博客
07-31 201
backward()
菌落微生物检测和识别2：基于深度学习YOLO26神经网络实现菌落微生物检测和识别(含训练代码和数据集)
修行之路
08-01 209
菌落微生物检测和识别2：基于深度学习YOLO26神经网络实现菌落微生物检测和识别(含训练代码和数据集)
六网观察④｜新一代通信网：5G-A、6G、卫星互联网三重奏，数字孪生的“神经网络“正式入列国家工程
yingtu666的博客
08-03 347
关键词：新一代通信网、5G-A、6G、卫星互联网、通感一体、数字孪生网络、低空经济、空间智能 摘要：新一代通信网与算力网组成的"双网"，被纳入国家"六张网"顶层布局，标志着数字基础设施升格为与水网、电网同级的命脉工程。截至 2026 年 4 月末，我国 5G 基站总数达 500.9 万个；"十五五"将再建 50 万个 5G-A 基站、100 万个 50G PON 端口，并加快低轨卫星互联网组网。本文拆解这张网的建设逻辑，以及它为什么是数字孪生从"单机版"走向"全网实时"的前提。
NNLM、Word2Vec（CBOW、Skip-gram） 与 BERT：神经网络语言模型的演进与对比
Frost_Descent的博客
08-03 4514
本文系统梳理了语言模型的演进历程：从2003年NNLM首次用神经网络替代统计模型，到2013年Word2Vec通过简化架构实现效率突破（CBOW聚合上下文预测中心词，Skip-gram中心词预测上下文），再到2018年BERT采用深层Transformer实现动态语境建模。模型发展呈现从静态词向量到动态上下文表示、从局部窗口到全局双向理解的趋势。不同模型在计算效率、语义捕捉、一词多义处理等方面各具特点，适用于不同应用场景。这一演进过程反映了自然语言处理从"词预测"到"语言理解&
【昌吉学院主办】第三届大数据、神经网络与深度学习研讨会（BDNNDL 2026）
weixin_73242859的博客
08-03 323
本次会议旨在为大数据、神经网络与深度学习领域的研究人员、学者以及行业专家提供一个卓越和前沿技术，了解学术发展趋势，拓宽研究思路，促进学术成果产业化合作的平台，促进思想碰撞与合作创新。◆ 投稿前可通过CrossCheck, Turnitin、iThenticate任一查重 系统进行查重，否则由文章重复率引起的被拒搞将由作者自行承担责任，涉嫌抄袭的论文将不被出版；所有投稿至BDNNDL 2026的稿件都必须经过2-3位组委会专家审稿，经过严格的审稿之后，最终所有录用的论文将由。会议地点：中国·新疆·昌吉。
菌落微生物检测和识别3：基于深度学习YOLO26神经网络实现菌落微生物检测和识别(含训练代码、数据集和GUI交互界面）
修行之路
08-01 504
菌落微生物检测和识别3：基于深度学习YOLO26神经网络实现菌落微生物检测和识别(含训练代码、数据集和GUI交互界面）
系统的本质——从LTI系统到神经网络
https://github.com/foxpup11?tab=repositories
07-31 104
时不变系统：如果输入延迟 τ，输出也延迟 τ。因果系统：输出 y(t) 只依赖于当前和过去的输入 x(τ), τ ≤ t。BIBO稳定：有界输入产生有界输出。∣xt∣≤Mx​∞→∣yt∣≤My​∞对于LTI系统：BIBO稳定⟺\iff⟺∫∣ht∣dt∞∫∣ht∣dt∞（冲激响应绝对可积）。
神经网络基础
m0_62652820的博客
08-03 259
神经网络（Neural Network，NN）也叫 人工神经网络（Artificial Neural Network，ANN ）是一种模仿生物神经网络结构和功能的计算模型。它由大量相互连接的神经元（Neuron）组成，通过调整连接之间的权重（Weight），实现对复杂非线性函数的拟合。梯度下降法（Gradient Descent）是机器学习和深度学习中最核心、最常用的一阶优化算法。其本质是：通过不断迭代，沿着损失函数梯度下降（负梯度）的方向更新模型参数，从而找到使损失函数值最小的最优参数解。符号。
手写数字识别系统.doc【GUI设计Matlab】
08-05
资 源 简 介 手写数字识别系统，非常好的啊!带有GUI界面，使用方便! 详 情 说 明 用这个手写数字识别系统，你可以轻松地识别手写数字。这个系统不仅功能强大，而且还带有直观的图形用户界面（GUI），非常容易使用。你只需要将手写数字输入系统，它将立即给出准确的识别结果。这个系统可以在各种场景中使用，无论是学校、工作还是日常生活，都能为你提供快速和准确的识别服务。它是一个非常方便和实用的工具，你一定会喜欢它的！
如何通过区域科技创新分析工具精准掌握区域创新要素分布与产业链融合现状？.docx
08-05
如何通过区域科技创新分析工具精准掌握区域创新要素分布与产业链融合现状？
Visual-Workflow-Orphan-Node-Auditor-v1.0-原创源码与文档.zip
08-05
原创本地工程审计与分析工具合集中的独立资源包。每个ZIP包含完整源码、3项自动化测试、可复现合成示例、离线HTML、JSON与SVG报告、1080×720真实运行效果图、README、运行说明、功能清单、MIT License及原创与授权声明。解压后进入project目录，执行npm test验证算法，执行npm run report生成报告，也可通过本地静态服务器打开网页。运行时零第三方依赖，不包含热点产品或开源项目源码、Logo、官方截图、论文、生产日志或其他受限素材。适合前端开发、AI应用工程、测试审计和课程实践。
Cypress-Flaky-Test-Evidence-Auditor-v1.0-原创源码与文档.zip
08-05
原创本地工程审计与分析工具合集中的独立资源包。每个ZIP包含完整源码、3项自动化测试、可复现合成示例、离线HTML、JSON与SVG报告、1080×720真实运行效果图、README、运行说明、功能清单、MIT License及原创与授权声明。解压后进入project目录，执行npm test验证算法，执行npm run report生成报告，也可通过本地静态服务器打开网页。运行时零第三方依赖，不包含热点产品或开源项目源码、Logo、官方截图、论文、生产日志或其他受限素材。适合前端开发、AI应用工程、测试审计和课程实践。
FortiGate-v7.4.9-FGT-601E-v7.4.9.M-build2829-FORTINET.out
最新发布
08-05
FGT_601E-v7.4.9.M-build2829-FORTINET.out
Structured-JSON-Repair-Loop-Detector-v1.0-原创源码与文档.zip
08-05
原创本地工程审计与分析工具合集中的独立资源包。每个ZIP包含完整源码、3项自动化测试、可复现合成示例、离线HTML、JSON与SVG报告、1080×720真实运行效果图、README、运行说明、功能清单、MIT License及原创与授权声明。解压后进入project目录，执行npm test验证算法，执行npm run report生成报告，也可通过本地静态服务器打开网页。运行时零第三方依赖，不包含热点产品或开源项目源码、Logo、官方截图、论文、生产日志或其他受限素材。适合前端开发、AI应用工程、测试审计和课程实践。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

YY的秘密代码小屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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