逃离后室中文设置方法

目录1.CPU2.GPU3.TPU4.NPU5.ASIC6.BPU（Brain Processing Unit，大脑处理器）7. DPU（Deep learning Processing Unit, 即深度学习处理器）1.CPU CPU( Central Processing Unit, 中央处理器)就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。 CPU的结构主要包括运算器（ALU, Arithmetic and Logic Unit）、控制单元（CU, Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。 简单来说就是：计算单元、控制单元和存储单元，架构如下图所示：   从字面上我们也很好理解，计算单元主要执行算术运算、移位等操作以及地址运算和转换；存储单元主要用于保存运算中产生的数据以及指令等；控制单元则对指令译码，并且发出为完成每条指令所要执行的各个操作的控制信号。 所以一条指令在CPU中执行的过程是这样的：读取到指令后，通过指令总线送到控制器（黄色区域）中进行译码，并发出相应的操作控制信号；然后运算器（绿色区域）按照操作指令对数据进行计算，并通过数据总线将得到的数据存入数据缓存器（大块橙色区域） 是不是有点儿复杂？没关系，这张图完全不用记住，我们只需要知道，CPU遵循的是冯诺依曼架构，其核心就是：存储程序，顺序执行。 讲到这里，有没有看出问题，没错——在这个结构图中，负责计算的绿色区域占的面积似乎太小了，而橙色区域的缓存Cache和黄色区域的控制单元占据了大量空间。 高中化学有句老生常谈的话叫：结构决定性质，放在这里也非常适用。 因为CPU的架构中需要大量的空间去放置存储单元（橙色部分）和控制单元（黄色部分），相比之下计算单元（绿色部分）只占据了很小的一部分，所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。 另外，因为遵循冯诺依曼架构（存储程序，顺序执行），CPU就像是个一板一眼的管家，人们吩咐的事情它总是一步一步来做。但是随着人们对更大规模与更快处理速度的需求的增加，这位管家渐渐变得有些力不从心。 于是，大家就想，能不能把多个处理器放在同一块芯片上，让它们一起来做事，这样效率不就提高了吗？ 没错，GPU便由此诞生了。 2.GPU 在正式讲解GPU之前，我们先来讲讲上文中提到的一个概念——并行计算。 并行计算(Parallel Computing)是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来共同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。 并行计算可分为时间上的并行和空间上的并行。 时间上的并行是指流水线技术，比如说工厂生产食品的时候分为四步：清洗-消毒-切割-包装。 如果不采用流水线，一个食品完成上述四个步骤后，下一个食品才进行处理，耗时且影响效率。但是采用流水线技术，就可以同时处理四个食品。这就是并行算法中的时间并行，在同一时间启动两个或两个以上的操作，大大提高计算性能。 空间上的并行是指多个处理机并发的执行计算，即通过网络将两个以上的处理机连接起来，达到同时计算同一个任务的不同部分，或者单个处理机无法解决的大型问题。 比如小李准备在植树节种三棵树，如果小李1个人需要6个小时才能完成任务，植树节当天他叫来了好朋友小红、小王，三个人同时开始挖坑植树，2个小时后每个人都完成了一颗植树任务，这就是并行算法中的空间并行，将一个大任务分割成多个相同的子任务，来加快问题解决速度。 所以说，如果让CPU来执行这个种树任务的话，它就会一棵一棵的种，花上6个小时的时间，但是让GPU来种树，就相当于好几个人同时在种。 GPU全称为Graphics Processing Unit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。 为什么GPU特别擅长处理图像数据呢？这是因为图像上的每一个像素点都有被处理的需要，而且每个像素点处理的过程和方式都十分相似，也就成了GPU的天然温床。 GPU简单架构如下图所示： 从架构图我们就能很明显的看出，GPU的构成相对简单，有数量众多的计算单元和超长的流水线，特别适合处理大量的类型统一的数据。 但GPU无法单独工作，必须由CPU进行控制调用才能工作。CPU可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用GPU进行并行计算。 注：GPU中有很多的运算器ALU和很少的缓存cache，缓存的目的不是保存后面需要访问的数据的，这点和CPU不同，而是为线程thread提高服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问dram。 GPU的工作大部分都计算量大，但没什么技术含量，而且要重复很多很多次。 借用知乎上某大神的说法，就像你有个工作需要计算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已；而CPU就像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个？ GPU就是用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生A和小学生B的工作没有什么依赖性，是互相独立的。 但有一点需要强调，虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码破解、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。 所以GPU也可以认为是一种较通用的芯片。 3.TPU 按照上文所述，CPU和GPU都是较为通用的芯片，但是有句老话说得好：万能工具的效率永远比不上专用工具。 随着人们的计算需求越来越专业化，人们希望有芯片可以更加符合自己的专业需求，这时，便产生了ASIC（专用集成电路）的概念。 ASIC是指依产品需求不同而定制化的特殊规格集成电路，由特定使用者要求和特定电子系统的需要而设计、制造。当然这概念不用记，简单来说就是定制化芯片。 因为ASIC很“专一”，只做一件事，所以它就会比CPU、GPU等能做很多件事的芯片在某件事上做的更好，实现更高的处理速度和更低的能耗。但相应的，ASIC的生产成本也非常高。 而TPU（Tensor Processing Unit, 张量处理器）就是谷歌专门为加速深层神经网络运算能力而研发的一款芯片，其实也是一款ASIC。 原来很多的机器学习以及图像处理算法大部分都跑在GPU与FPGA（半定制化芯片）上面，但这两种芯片都还是一种通用性芯片，所以在效能与功耗上还是不能更紧密的适配机器学习算法，而且Google一直坚信伟大的软件将在伟大的硬件的帮助下更加大放异彩，所以Google便想，我们可不可以做出一款专用机机器学习算法的专用芯片，TPU便诞生了。 据称，TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。初代的TPU只能做推理，要依靠Google云来实时收集数据并产生结果，而训练过程还需要额外的资源；而第二代TPU既可以用于训练神经网络，又可以用于推理。 看到这里你可能会问了，为什么TPU会在性能上这么牛逼呢？ 嗯，谷歌写了好几篇论文和博文来说明这一原因，所以仅在这里抛砖引玉一下。 如上图所示，TPU在芯片上使用了高达24MB的局部内存，6MB的累加器内存以及用于与主控处理器进行对接的内存，总共占芯片面积的37%（图中蓝色部分）。 这表示谷歌充分意识到了片外内存访问是GPU能效比低的罪魁祸首，因此不惜成本的在芯片上放了巨大的内存。相比之下，英伟达同时期的K80只有8MB的片上内存，因此需要不断地去访问片外DRAM。 另外，TPU的高性能还来源于对于低运算精度的容忍。研究结果表明，低精度运算带来的算法准确率损失很小，但是在硬件实现上却可以带来巨大的便利，包括功耗更低、速度更快、占芯片面积更小的运算单元、更小的内存带宽需求等...TPU采用了8比特的低精度运算。 其它更多的信息可以去翻翻谷歌的论文。 到目前为止，TPU其实已经干了很多事情了，例如机器学习人工智能系统RankBrain，它是用来帮助Google处理搜索结果并为用户提供更加相关搜索结果的；还有街景Street View，用来提高地图与导航的准确性的；当然还有下围棋的计算机程序AlphaGo！ 4.NPU 讲到这里，相信大家对这些所谓的“XPU”的套路已经有了一定了解，我们接着来。 所谓NPU（Neural network Processing Unit）， 即神经网络处理器。顾名思义，这家伙是想用电路模拟人类的神经元和突触结构啊！ 怎么模仿？那就得先来看看人类的神经结构——生物的神经网络由若干人工神经元结点互联而成，神经元之间通过突触两两连接，突触记录了神经元之间的联系。 如果想用电路模仿人类的神经元，就得把每个神经元抽象为一个激励函数，该函数的输入由与其相连的神经元的输出以及连接神经元的突触共同决定。 为了表达特定的知识，使用者通常需要（通过某些特定的算法）调整人工神经网络中突触的取值、网络的拓扑结构等。该过程称为“学习”。 在学习之后，人工神经网络可通过习得的知识来解决特定的问题。 这时不知道大家有没有发现问题——原来，由于深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集（包括x86和ARM等）是为了进行通用计算发展起来的，其基本操作为算术操作（加减乘除）和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，深度学习的处理效率不高。 这时就必须另辟蹊径——突破经典的冯·诺伊曼结构！ 神经网络中存储和处理是一体化的，都是通过突触权重来体现。 而冯·诺伊曼结构中，存储和处理是分离的，分别由存储器和运算器来实现，二者之间存在巨大的差异。当用现有的基于冯·诺伊曼结构的经典计算机（如X86处理器和英伟达GPU）来跑神经网络应用时，就不可避免地受到存储和处理分离式结构的制约，因而影响效率。这也就是专门针对人工智能的专业芯片能够对传统芯片有一定先天优势的原因之一。 NPU的典型代表有国内的寒武纪芯片和IBM的TrueNorth。以中国的寒武纪为例，DianNaoYu指令直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。 用数字来说话，CPU、GPU与NPU相比，会有百倍以上的性能或能耗比差距——以寒武纪团队过去和Inria联合发表的DianNao论文为例——DianNao为单核处理器，主频为0.98GHz，峰值性能达每秒4520亿次神经网络基本运算，65nm工艺下功耗为0.485W，面积3.02平方毫米mm。 文章开头所说的mate10中所用的麒麟970芯片，就集成了寒武纪的NPU，所以才可以实现所谓的照片优化功能，以及保证你的手机用了很长时间后还能不卡（当然也得真正用了才能知道有没有宣传的这么好）。 PS，中星微电子的“星光智能一号”虽说对外号称是NPU，但其实只是DSP，仅支持网络正向运算，无法支持神经网络训练。 5.ASIC ASIC（Application Specific Integrated Circuit）是一种为专门目的而设计的集成电路。无法重新编程，效能高功耗低，但价格昂贵。近年来涌现出的类似TPU、NPU、VPU、BPU等令人眼花缭乱的各种芯片，本质上都属于ASIC。ASIC不同于 GPU 和 FPGA 的灵活性，定制化的 ASIC 一旦制造完成将不能更改，所以初期成本高、开发周期长的使得进入门槛高。目前，大多是具备 AI 算法又擅长芯片研发的巨头参与，如 Google 的 TPU。由于完美适用于神经网络相关算法，ASIC 在性能和功耗上都要优于 GPU 和 FPGA，TPU1 是传统 GPU 性能的 14-16 倍，NPU 是 GPU 的 118 倍。寒武纪已发布对外应用指令集，预计 ASIC 将是未来 AI 芯片的核心。 6.BPU（Brain Processing Unit，大脑处理器） 是由地平线科技提出的嵌入式人工智能处理器架构。第一代是高斯架构，第二代是伯努利架构，第三代是贝叶斯架构。目前地平线已经设计出了第一代高斯架构，并与英特尔在2017年CES展会上联合推出了ADAS系统（高级驾驶辅助系统）。 7. DPU（Deep learning Processing Unit, 即深度学习处理器） 最早由国内深鉴科技提出，基于Xilinx可重构特性的FPGA芯片，设计专用的深度学习处理单元（可基于已有的逻辑单元，设计并行高效的乘法器及逻辑电路，属于IP范畴），且抽象出定制化的指令集和编译器（而非使用OpenCL），从而实现快速的开发与产品迭代。事实上，深鉴提出的DPU属于半定制化的FPGA。 嵌入式神经网络处理器（NPU）采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。 NPU处理器专门为物联网人工智能而设计，用于加速神经网络的运算，解决传统芯片在神经网络运算时效率低下的问题。 在GX8010中，CPU和MCU各有一个NPU，MCU中的NPU相对较小，习惯上称为SNPU。 NPU处理器包括了乘加、激活函数、二维数据运算、解压缩等模块。 乘加模块用于计算矩阵乘加、卷积、点乘等功能，NPU内部有64个MAC，SNPU有32个。 激活函数模块采用最高12阶参数拟合的方式实现神经网络中的激活函数，NPU内部有6个MAC，SNPU有3个。 二维数据运算模块用于实现对一个平面的运算，如降采样、平面数据拷贝等，NPU内部有1个MAC，SNPU有1个。 解压缩模块用于对权重数据的解压。为了解决物联网设备中内存带宽小的特点，在NPU编译器中会对神经网络中的权重进行压缩，在几乎不影响精度的情况下，可以实现6-10倍的压缩效果。 不，据说每过18天，集成电路领域就会多出一个XPU，直到26个字母被用完。 这被戏称为AI时代的XPU版摩尔定律。 据不完全统计，已经被用掉的有： APU -- Accelerated Processing Unit, 加速处理器，AMD公司推出加速图像处理芯片产品。 BPU -- Brain Processing Unit, 地平线公司主导的嵌入式处理器架构。自动驾驶 CPU -- Central Processing Unit 中央处理器， 目前PC core的主流产品。 DPU -- Deep learning Processing Unit, 深度学习处理器，最早由国内深鉴科技提出；另说有Dataflow Processing Unit 数据流处理器， Wave Computing 公司提出的AI架构；Data storage Processing Unit，深圳大普微的智能固态硬盘处理器。 FPU -- Floating Processing Unit 浮点计算单元，通用处理器中的浮点运算模块。 GPU -- Graphics Processing Unit, 图形处理器，采用多线程SIMD架构，为图形处理而生。 HPU -- Holographics Processing Unit 全息图像处理器， 微软出品的全息计算芯片与设备。 IPU -- Intelligence Processing Unit， Deep Mind投资的Graphcore公司出品的AI处理器产品。 MPU/MCU -- Microprocessor/Micro controller Unit， 微处理器/微控制器，一般用于低计算应用的RISC计算机体系架构产品，如ARM-M系列处理器。 NPU -- Neural Network Processing Unit，神经网络处理器，是基于神经网络算法与加速的新型处理器总称，如中科院计算所/寒武纪公司出品的diannao系列。 RPU -- Radio Processing Unit, 无线电处理器， Imagination Technologies 公司推出的集合集Wifi/蓝牙/FM/处理器为单片的处理器。 TPU -- Tensor Processing Unit 张量处理器， Google 公司推出的加速人工智能算法的专用处理器。目前一代TPU面向Inference，二代面向训练。另外， VPU -- Vector Processing Unit 矢量处理器，Intel收购的Movidius公司推出的图像处理与人工智能的专用芯片的加速计算核心。 WPU -- Wearable Processing Unit， 可穿戴处理器，Ineda Systems公司推出的可穿戴片上系统产品，包含GPU/MIPS CPU等IP。 XPU -- 百度与Xilinx公司在2017年Hotchips大会上发布的FPGA智能云加速，含256核。 ZPU -- Zylin Processing Unit, 由挪威Zylin 公司推出的一款32位开源处理器。 当26个字母被用完后，即将出现XXPU，XXXPU，并以更快的速度占领起名界。 关于CPU,GPU,TPU,DPU,NPU,BPU等各种处理器的内容就到这里啦,有木有突然透彻的感觉呢，更多相关内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！

Typora怎么设置中文呢？下面小编就给大家详细介绍一下Typora设置中文的方法，感兴趣的小伙伴可以来看一看了解一下。 Typora设置中文教程 1、进入软件，点击左上角的"File"选项。 2、接着点击下方选项列表中的"preferences"。 3、进入新界面后，点击左侧中的"general"，然后找到右侧中的"language"。 4、最后在下拉菜单选项列表中找到"简体中文"就可以了。 如果觉得本期教程帮助到您的话，不妨收藏本站吧，这里能为您带来更多资讯和教程哦。

k4town中文入口分享： k4town是一个专为追星购物的手机app，目前软件已经推出了网页版本，不需要下载安装包就可以在线进行购买商品了，当前软件中提供了超多的明星周边，明星专辑，同款服装等等，等你前来进行着选择。k4town中文入口链接地址：https://cn.ktown4u.com/点击进入：k4town网页版详细步骤 第一步：复制上方的链接地址，或者是直接点击上方的【k4town网页版】； 第二步：登录账号，若乜有账号可以通过邮箱注册。k4town怎么查物流 第一步：进入个人中心。 第二步：订购信息，再点击所有订购记录。 第三步：记录中点击需要查询物流的订单号。 第四步：订单详情页面点击物流查询，查看物流情况。k4town快递暂停地址 福建省泉州市惠安县 广东省汕头市澄海区 贵州省黔东南苗族侗族自治州从江县 河北省保定市莲池区 河南省郑州市金水区 湖北省武汉市洪山区 湖南省邵阳市城步苗族自治县 湖南省邵阳市洞口县 湖南省邵阳市邵东市 湖南省邵阳市邵阳县 湖南省岳阳市湘阴县 湖南省娄底市新化县 湖南省邵阳市新宁县 湖南省湘西土家族苗族自治州永顺县 吉林省辽源市龙山区 江苏省无锡市滨湖区 江苏省南通市海门区 江苏省盐城市亭湖区 江苏省盐城市盐都区 江西省宜春市奉新县 辽宁省抚顺市东洲区 辽宁省大连市沙河口区 辽宁省抚顺市顺城区 辽宁省抚顺市望花区 辽宁省抚顺市新抚区 青海省西宁市城北区 青海省黄南藏族自治州同仁市 青海省玉树藏族自治州玉树市 上海上海市奉贤区 四川省甘孜藏族自治州康定县旧 四川省甘孜藏族自治州石渠县 西藏自治区山南市措美县 云南省文山壮族苗族自治州麻栗坡县 云南省文山壮族苗族自治州马关县 云南省昭通市巧家县 浙江省杭州市江干区 浙江省杭州市西湖区 浙江省杭州市萧山区 浙江省宁波市镇海区 新疆全境

　　Win11精简版被命名为Tiny11，Tiny11 保留了 Microsoft Store，用户可以安装各种 Windows 应用和工具。用户也可以通过 Windows Update 来更新.NET、驱动程序和安全定义等更新。但是Tiny11 镜像中只有英文这一种语言，不过我们在安装后，可以在系统中手动增加简体中文语言。 　　Tiny11中文设置教程 　　1、同时按下【win+i】打开系统设置，在界面中找到【Time & Language】-【Language & region】。 　　2、在弹出的窗口中选择中文，点击【Install】。注意记得勾选【Set as my Windows display language】，设置Windows的显示语言。 　　3、等待下载安装完成，最后重启电脑即可。 　　安装之前，小编需要跟大家说明：Tiny11 显然不如 Windows 11 完整版安全。它移除了许多安全措施，而且它可能在我们不知道的其他方面不太安全。如果大家介意这一点的，那就不建议安装了。你也可以选择下载Win11 22H2 64位 专业精简版，老机器也可以安装，绕过检测，免激活。 　　

最近发现有很多网友都不知道psd是什么文件，更不知道是用什么软件打开PSD格式的文件，下面将为大家详细解答psd文件用什么打开：PSD文件用photoshop打开，是PS专有的矢量文件格式PSD和PDD格式是PHOTOSHOPT自身的图像格式，可包括层、通道和颜色模式等信息，且该格式是惟一支持全部颜色模式的图像格式。PSD格式可以将编辑过和图像文件中的所有有关图层和通道的信息保存下来。但是PSD格式的图像文件很少为其它软件和工具所支持。所以在图像制作完成后，通常需要转化为一些比较通用的图像格式，以便于输出到其它软件中继续编辑。Photoshop基本概念知识Photoshop：它是由Adobe公司开发的图形处理系列软件之一，主要应用于在图像处理、广告设计的一个电脑软件。最先它只是在Apple机（MAC）上使用，后来也开发出了for window的版本。下面是这个软件里一些基本的概念。位图：又称光栅图，一般用于照片品质的图像处理，是由许多像小方块一样的"像素"组成的图形。由其位置与颜色值表示，能表现出颜色阴影的变化。在Photoshop主要用于处理位图。矢量图：通常无法提供生成照片的图像物性，一般用于工程技术绘图。如灯光的质量效果很难在一幅矢量图表现出来。分辨率：每单位长度上的像素叫做图像的分辨率，简单讲即是电脑的图像给读者自己观看的清晰与模糊，分辨率有很多种。如屏幕分辨率，扫描仪的分辨率，打印分辨率。图像尺寸与图像大小及分辨率的关系：如图像尺寸大，分辨率大，文件较大，所占内存大，电脑处理速度会慢，相反，任意一个因素减少，处理速度都会加快。通道：在PS中，通道是指色彩的范围，一般情况下，一种基本色为一个通道。如RGB颜色，R为红色，所以R通道的范围为红色，G为绿色，B为蓝色。图层：在PS中，一般多是用到多个图层制作每一层好象是一张透明纸，叠放在一起就是一个完整的图像。对每一图层进行修改处理，对其它的图层不会造成任何的影响。图像的色彩模式：1）RGB彩色模式：又叫加色模式，是屏幕显示的最佳颜色，由红、绿、蓝三种颜色组成，每一种颜色可以有0-255的亮度变化。2）CMYK彩色模式：由品蓝，品红，品黄和黑色组成，又叫减色模式。一般打印输出及印刷都是这种模式，所以打印图片一般都采用CMYK模式。3）HSB彩色模式：是将色彩分解为色调，饱和度及亮度通过调整色调，饱和度及亮度得到颜色和变化。4）Lab彩色模式：这种模式通过一个光强和两个色调来描述一个色调叫a，另一个色调叫b。它主要影响着色调的明暗。一般RGB转换成CMYK都先经Lab的转换。5）索引颜色：这种颜色下图像像素用一个字节表示它最多包含有256色的色表储存并索引其所用的颜色，它图像质量不高，占空间较少。6）灰度模式：即只用黑色和白色显示图像，像素0值为黑色，像素255为白色。7）位图模式：像素不是由字节表示，而是由二进制表示，即黑色和白色由二进制表示，从而占磁盘空间最小。在屏幕分辨率高于800X600时右上角出现的条形框是干什么用的？当分辨率高于600*800时，任务栏最左边有一深灰色条形框，可以把常用面板拖放上去，节省了很多空间。怎样正确显示中文字体名？按CTRL+K，然后把Show Fonts Name In English去掉就可以了。输入写字的时候显示半个情况该如何处理？这是字库的原因。建议使用特粗XX时，用“方正字库”或“微软”。文鼎字库在字体的间距设置不好时，就是半个。……汉仪的“turetype”字体也会出问题。使用路径(Path)工具时的几个技巧？使用笔形(Pen)工具制作路径时按住Shift键可以强制路径或方向线成水平、垂直或45度角，按住Ctrl键可暂时切换到路径选取工具，按住Alt键将笔形光标在在黑色节点上单击可以改变方向线的方向，使曲线能够转折；按Alt键用路径选取(Direct Selection)工具单击路径会选取整个路径；要同时选取多个路径可以按住Shift后逐个单击；使用路径选工具时按住“Ctrl+Alt”键移近路径会切换到加节点与减节点笔形工具。若要切换路径(path)是否显示，可以按住Shift键后在路径调色板的路径栏上单击鼠标， 或者在路径调色版灰色区域单击即可。若要一起执行数个宏(Action)，可以先增加一个宏，然后录制每一个所要执行的宏。若要在一个宏(Action)中的某一命令后新增一条命令，可以先选中该命令，然后单击调色板上的开始录制(Begin recording)图标，选择要增加的命令，再单击停止录制(Stop recording)图标即可。在使用Filter/Render/Clouds滤镜时，若要产生更多明显的支纹图案，可先按住Alt键后再执行该命令；若要生成低漫射支彩效果，可先按住Shift键后再执行命令。在使用Filter/Render/Lighting Effects滤镜时，若要在对话框内复制光源时，可先按住Alt键后再拖动光源即可实现复制。若要在Color调色板上直接切换色彩模式，可先按住Shift键后，再将光标移到色彩条上单击即可。如何制作透明背景的图片？首先，只有GIF才可以使用透明，所以在保存文件的时候不要选择保存或另存为，而是直接选“输出GIF”然后，选择透明色，如果你需要透明的部分都是白色就选白色，依次类推做图片时把背景图片隐藏调然后再Save for Web 就可以透明了。在GIF图上写上中文，字迹为何不连续？先把GIF转成RGB，写完字再转回Index Color，选择Image>Mode>Rgb/Image>Mode>Index Color。怎样用PS做一个实体的倒影和背影？比如一个瓶子怎么制造出它的倒影和背影？把瓶子复制一层放下面，把这层黑了，然后Blur，然后把这层Trasnform>Distort，对好比例后，调整透明度。或者直接把瓶子层给Shadow或者Outerglow，然后把Effect层独立出来，接着也是扭曲变形了。如果你是说瓶子正面要看到背面反射的周围物体的画面，可以用Render-3D Transform，这样的方法不如用3D建模更逼真，PS里有滤镜Lens Pro ，可以直接做玻璃球之类的表面倒映。倒影是水里的？ 复制瓶子层，翻转过来，把透明度降低，放在水层上，如果觉得太清楚，就选择Filter>Distort>Ripple，加点波纹，如果觉得太生硬，就在Layer Properties里调整一下瓶和水层间的颜色关系。温馨提示：相信大家通过阅读以上psd是什么文件，psd文件用什么打开的详细教程，大家对打开PSD格式的Photoshop软件有了个深入的了解，如果你有更好的建议或者心得，也可以通过本篇文章下方的留言板反馈给我们，非常感谢您的阅读！

友尽对决中文怎么调？这是一款线上PvP射击游戏新作，已经正式发售，游戏支持中文，所以在进入游戏后如果不是中文的话，可以自行手动设置一下，这里给大家带来了友尽对决中文设置方法，快来看下吧。中文设置方法1.首先本作需要加速才可以进游戏，加速后打开游戏后，点击右下角的小齿轮。2.进入设置页面后点击右上角最后一个按钮，点击第一个就能选择语言。3.将语言设置为中文后返回后就会显示中文了。游戏友尽对决中文设置方法给大家分享完毕，如果大家不是中文的话，可以按照文中步骤去手动设置一下，祝大家游戏体验愉快！