百度知道的案例
[轉載]如何旋轉、放大、移動FLUENT中的云圖
移動：移動的操縱是鄙人最后探索出來的一個操作，具體操作說明是（摘自“百度知道”）
在圖中點鼠標滾輪（相當于單擊鼠標中鍵）就可以平移。
移動方向取決于你點的位置的方向，與你單擊的地方相反，比如你點右上角就會往左下角移；
移動距離取決于你點的位置偏離圖片中心的距離，距離越遠，模型平移的量越大。
總結與點評：fluent固然具有強大的后處理功能，但與后處理直接相關的人機交互界面的操作搞的如此復雜，真是不應該！據我所知，在這方面比起STAR CCM9.0的云圖操作，不論FLUENT的6.3還是14.5，想必甚至15.0都不知道被甩后了幾條街。且不說現如今STAR CCM9.0已經是漢化版的了。
展開 飛機一般用什么操作系統？安全不？
這是很多人一直想要知道的答案。
這段根據 V友轉自百度知道的答案：
航空軟件并不神秘，從計算機架構上來說，同普通的計算機系統并無太大區別，都是由處理器，總線，I/O設備，存儲設備，網絡設備，通訊設備，操作系統和應用軟件所構成的。僅僅是為了滿足很高指標的可靠性，健壯性和實時性，而采用了另一套東西而已。
1、波音-787，AH-64用的操作系統是VxWorks
來自：VxWorks的官方網站
VxWorks ?是世界上第一個也是唯一一個支持通過容器部署應用程序的實時操作系統 (RTOS)。
VxWorks 的最新版本包括對 OCI 容器的支持。現在，您可以使用類似 IT 的傳統技術更好更快地開發和部署智能邊緣軟件，而不會影響確定性和性能。了解獨立研究人員 VDC 為何再次將 VxWorks 命名為邊緣的第一 RTOS。
VxWorks ?在最具挑戰性的安全關鍵應用中得到驗證，使技術供應商能夠更輕松、更具成本效益地滿足 EN 50128、IEC 61508、ISO 26262、DO-178C 和 ED-12C 的嚴格安全認證要求。
VxWorks 653 是一個安全、可靠和可靠的實時操作系統 (RTOS)，它在最新的 ARM ?、 Intel ?和 PowerPC 多核處理器平臺上提供了一個具有強大時間和空間分區功能的開放式虛擬化平臺。VxWorks 653 的技術已在 100 多架民用和軍用飛機上經過 360 多個客戶的 600 多個安全程序證明，正在推動航空航天和國防領域向軟件定義系統的過渡，帶來解決實際業務問題的創新技術。
展開 產品重心的計算方式及安規10度斜坡計算講解
以上來自百度知道給的比較好的解釋，也就是說重心就在產品質量的最中心位置，如果形狀不規則，就需要計算，下面會給大家分享CREO軟件的計算方式。
了解完重心是什么后，再來了解一下天平杠桿原理。
天平是實驗室中常用的儀器。天平是一種衡器，是衡量物體質量的儀器。它依據杠桿原理制成，在杠桿的兩端各有一小盤，一端放砝碼，另一端放要稱的物體，杠桿中央裝有指針，兩端平衡時，兩端的質量（重量）相等。
那么產品設計時，模擬他的重心是否在合理范圍內，就需要找到重心以及天平的杠桿中心，這樣才能計算出，是否在合理設計范圍內。
OK，先來看CREO軟件是如何計算重心位置的。
先隨便繪制一個非規格的造型，因為規則的幾何形態重心是很好側出來的。
再用軟件里面的質量屬性進行分析，這個密度可以不輸，因為單個零件不需要，如果是在組件里面計算，那么就要輸不同單件材料的密度，這樣計算出來才精準。
計算出來一個XYZ的重心坐標值，根據這個數據創建坐標重心點。
創建坐標系，找到了重心，那么我們根據這個重心點來計算，產品放置在桌面上會不會倒。
很顯然，重心點已經超過了天平支點，產品是無法在桌面上立起來的，更何況要過10度斜坡。
那么就需要進行改良設計，方式無非2點：
1是砝碼右移，右邊重量增加，或者左邊重量減少；
2是將天平支點延伸超過重心垂直線。
通過以上方式原理，我們來看幾個常規產品的案列如何計算。
【案列1】無軸靜置狀態產品重心模擬計算。
來看這個產品圖，立式臺燈，靜止擺設在哪里，正常情況下是不會摔倒。當人為的輕推傾斜10度角度后，是否還是不會倒呢？
展開 轉：量子化學--在網上求助計算化學問題時的注意事項
5 得到某人認真的回復后，應當表示謝意，如果根據回復中的提示解決了問題，最好也告訴一下回復者，這樣回復者知道自己的回復起到了實際作用，一般會感到高興，覺得沒有白回復。但是對于論壇里經常出現的毫無意義的胡亂回復，應當堅決無視。另外，如果某些網上的人的解答對自己的工作有重要的幫助或啟發，必須在文章的acknowledgement中寫上他們的名字（除非他們不同意）。然而，這樣做的人卻沒多少，別人花了不少時間寫了一堆文字幫了自己的大忙，連一個正式感謝都沒有，實在是不道德。
6 不要纏著回復者。經常有些人整天追著某人問問題，剛回答完上一條問題新的一條問題又來了，例如往往有人這樣問“A是什么意思？”，回答曰“A是由B經過xxx處理得到的”，然后他緊接著就問“B是什么意思？xxx是什么意思？”，反反復復問，沒完沒了。持續數日甚至數周，每次上線都會看到離線提問的留言，仿佛問題永遠回復不完，搞得回復者很反感，以至于不愿回答或者推遲回答時間。而且這種做法嚴重違背了上一節的第一條，即問問題先要自行研究。每次得到回復后先要好好想一想，如果其中出現不懂的概念要先自己查資料，然后實在搞不明白再繼續問。
==========語言表達問題==========
1 不要問“有沒有人算過/用過/知道xxx？”這類問題，這是很不好的問問題的方式。那些算過/用過/知道xxx的人看見這種問題都不知道提問者究竟想干什么、遇到了什么具體問題，往往不想理會。而那些很熱心幫忙的人還必須回復一句“我算過/用過/知道xxx，你有什么問題？”，接下來提問者才會說出具體內容，回復者才能知道詳情并回答，這純粹是給回復者添麻煩，也拖延了得到有效回復的時間。所以說，遇見什么問題必須直接說出來，把信息交代清楚，其他人如果知道就能直接回答了。
展開 
五十三、不會寫UDF？讓Chatgpt來幫你
</p><p><br></p><p><br></p><p class="ql-align-justify">（最近似乎cas和dat文件都無法上傳到百度網盤，不知道什么原因，這次搞了半天，只上傳了UDF文件。阿里云盤上傳倒是可以，但是無法分享cas和dat這種格式的文件。）</p><p class="ql-align-justify"><br></p><p class="ql-align-justify"><br></p><p class="ql-align-justify"><br></p><p>鏈接：https://pan.baidu.com/s/1CRb2f2Iqhmr8xdkBAWdRAQ</p><p>提取碼：4399</p><p><br></p><p><br></p><p><br></p>
展開 AI 芯片和傳統芯片的區別
我的回答中舉的CPU是IBM的POWER8，百度一下就知道，這是超標量的服務器用CPU，目前來看，性能已經是非常頂級的了，主頻4GHZ。不知是否注意到我說了這是SIMD？這個SIMD，就代表他可以同時執行多條同樣的指令，這就是并行，而不是串行。單個數據是128bit的，如果是16bit的精度，那么一周期理論上最多可以計算八組數據的乘法或加法，或者乘加。這還不叫并行？只是并行的程度沒有GPU那么厲害而已，但是，這也是并行。
不知道為啥就不能用CPU來比較算力？
有評論很推崇GPU。說用CPU來做比較，不合適。
拜托，GPU本來是從CPU中分離出來專門處理圖像計算的，也就是說，GPU是專門處理圖像計算的。包括各種特效的顯示。這也是GPU的天生的缺陷，GPU更加針對圖像的渲染等計算算法。但是，這些算法，與深度學習的算法還是有比較大的區別，而我的回答里提到的AI芯片，比如TPU，這個是專門針對CNN等典型深度學習算法而開發的。另外，寒武紀的NPU，也是專門針對神經網絡的，與TPU類似。
谷歌的TPU，寒武紀的DianNao，這些AI芯片剛出道的時候，就是用CPU/GPU來對比的。
無圖無真相，是吧？
看看，谷歌TPU論文的摘要直接對比了TPU1與CPU/GPU的性能比較結果，見紅色框：
看不清？
沒事，放大。
這就是摘要中介紹的TPU1與CPU/GPU的性能對比。
再來看看寒武紀DianNao的paper，摘要中直接就是DianNao與CPU的性能的比較，見紅色框：
回顧一下歷史。
上個世紀出現神經網絡的時候，那一定是用CPU計算的。
比特幣剛出來，那也是用CPU在挖。
展開 底盤智能化的發展
我們知道現在百度在做百度大腦，其實最終的發展是要做一個智能底盤的大腦來取代一個整車的VCU來進行工作。上述PPT展示的只是我的智能駕駛大腦的網絡構架方面的初步設想，如通信信號可以是WIFI/V2X/5G等接入智能車的網絡系統，再將信號經過處理后送入各個控制執行機構。
這里面的關鍵技術是特別多的，我只是粗略的列了幾條，可能這里面的專家要比我知道的更多。其中包括硬件體系架構的設計，包括硬件的選型與多控制芯片的架構；硬件電路的熱設計和電磁兼容性設計；多傳感器和多源信息融合算法、推理決策以及深度學習；軟件構架；網絡體系構架；整車電氣網絡構架；整車傳感器布局與構架設計。這些都是大的條條框框的，另外里面還有一些詳細的點。如果有機會再和大家進行詳細探討，共同探討智能底盤的大腦如何設計的問題。
智能網聯汽車的大腦講完以后，把這些ADAS功能都整合到一個平臺上，將構成了智能電驅動平臺，進行平臺化設計，同時根據車型和要求對其進行適當修改，可以滿足不同客戶和消費人群的需要。
在未來輪轂電機為主要驅動模式的情況下，將是一個以輪轂電機為驅動系統的智能電驅動平臺。如PPT所示，這個平臺加上我們所有決策單元如ACC、AEB，感知單元，如雷達、攝像頭、高精度地圖等，還有iBooster、ESC、EPS等執行部件就可以搭建這樣一個平臺，可以實現一個平臺化設計。
智能電驅動平臺的關鍵技術也是有很多潛在的沒有解決的技術。
展開 汽車底盤智能化技術
我們知道現在百度在做百度大腦，其實最終的發展是要做一個智能底盤的大腦來取代一個整車的VCU來進行工作。上述PPT展示的只是我的智能駕駛大腦的網絡構架方面的初步設想，如通信信號可以是WIFI/V2X/5G等接入智能車的網絡系統，再將信號經過處理后送入各個控制執行機構。
這里面的關鍵技術是特別多的，我只是粗略的列了幾條，可能這里面的專家要比我知道的更多。其中包括硬件體系架構的設計，包括硬件的選型與多控制芯片的架構；硬件電路的熱設計和電磁兼容性設計；多傳感器和多源信息融合算法、推理決策以及深度學習；軟件構架；網絡體系構架；整車電氣網絡構架；整車傳感器布局與構架設計。這些都是大的條條框框的，另外里面還有一些詳細的點。如果有機會再和大家進行詳細探討，共同探討智能底盤的大腦如何設計的問題。
智能網聯汽車的大腦講完以后，把這些ADAS功能都整合到一個平臺上，將構成了智能電驅動平臺，進行平臺化設計，同時根據車型和要求對其進行適當修改，可以滿足不同客戶和消費人群的需要。
在未來輪轂電機為主要驅動模式的情況下，將是一個以輪轂電機為驅動系統的智能電驅動平臺。如PPT所示，這個平臺加上我們所有決策單元如ACC、AEB，感知單元，如雷達、攝像頭、高精度地圖等，還有iBooster、ESC、EPS等執行部件就可以搭建這樣一個平臺，可以實現一個平臺化設計。
智能電驅動平臺的關鍵技術也是有很多潛在的沒有解決的技術。
展開 