学习Excel技术，关注微信公众号： excelperfect 下面列出了一些在工作表中输入数据时的操作技巧，可以提高Excel的使用效率。 1....在需要输入数据的单元格区域移动 如果仅需在某个单元格区域内输入数据，可以先选择这个区域，在输入数据时按Tab键或回车键在该区域内移动，如下图2所示。 ? 图2 3....快速移动单元格 如果工作表中有大量的数据，要快速移至数据末尾或开头进行编辑，可以按Ctrl+方向箭头键。例如，Ctrl+向下箭头键向下移动至整块数据的最后一行。 4....快速在单元格区域中输入相同的数据 想要在单元格区域中快速输入相同的数据，选择这些单元格区域（连续的或非连续的），输入数据后按Ctrl+回车键，如下图3所示。 ? 图3 6....图10 你还有什么好的工作表数据操作技巧，欢迎在下面留言分享。 欢迎在下面留言，完善本文内容，让更多的人学到更完美的知识。
excelperfect 很多情形下，我们都需要在多个工作表中有同样的数据。此时，可以使用Excel的“组”功能，当在一个工作表中输入数据时，这些数据也被同时输入到其它成组的工作表中。...如下图1所示，将工作表成组后，在一个工作表中输入的数据将同时输入到其它工作表。 ?...图1 要成组工作表，先按住Ctrl键，然后在工作簿左下角单击要加入组中的工作表名称，此时工作簿标题中会出现“名称+组”，如下图2所示。 ?...图2 注意，如果一直保持工作表“组合”状态，可能会不小心在工作表中输入其它工作表中不想要的内容。因此，要及时解除组合状态。...单击除用于输入内容的工作表外的任意工作表名称，则可解除工作表组合；或者在工作表名称标签中单击右键，在快捷菜单中选取“取消组合工作表”命令。
标签：VBA，工作表事件 在工作表单元格中输入数据后，该单元格就被锁定，不能再编辑。...打开VBE，在工程资源管理器中双击该工作表名称打开其代码模块，在其中输入下面的代码： '假设整个工作表的Locked=False Private Sub Worksheet_Change(ByVal Target...End If End If End With Next rCell End Sub 这里，假设锁定工作表的密码为“123”。...可以使用右击单元格的方式，来重置想要重新输入数据的单元格。...，会弹出一个消息框，询问你是否要重置这个单元格，如果点击“是”，则会清空该单元格并供输入新数据。
我们有时候需要将表单内的某列数据分到新的工作表里。...示例表 StudentID Last_Name First_Name Gender GradeLevel Class Pupil_Email Relationship Pupil_Parent_Email...之后我们将按照班级分工作表 Step 1 Separate Excel Data into Workbooks by Column Values Using Python 1....关闭VBA窗口，在Excel表Tab中的Developer中点击Macros。 在弹出Macro窗口选择Splitdatabycol并点击Run即可。
窗口扩展则通过微调LLM，扩展模型的上下文窗口，使其能够处理更长的输入。 例如，Gemini模型能够直接处理2M的输入长度。...在第一阶段，多个工作智能体（worker agents）协作，处理不同的长文本块，并聚合可用于回答问题的数据。...工作器智能体负责从长上下文源中提取相关信息，而管理智能体则通过聚合「工作器智能体链」末端积累的所有相关信息生成最终答案。...在八个数据集中， 使用在不同的大语言模型（LLMs）的情况下，CoA均显著优于Vanilla和RAG方法。 表 4：CoA与RAG等方法的比较。...结果分析 长文本任务的复杂推理 以HotpotQA数据集为例，RAG通过检索与查询语义相似的文本块来找到正确答案，但多跳推理（multi-hop reasoning）面临挑战，因为关键的第一步答案通常与查询的语义相关性较低
虽然说法不同，从视频来看，便是提供类似 Notion 的 Block 操作，支持拖拽移动、转化、嵌入不同类型的 Block 数据。Loop 工作空间这便是 Notion 的工作空间。...如果能做得比较好，那么巩固固有的 Microsoft Office 用户则问题不大。不过，按照微软的以往表现，Loop 真的能做到类似 Notion 一样的水平吗？...核心功能块编辑器——支持页面、待办列表、代码块等在内的多种 Block. 与此同时，也支持同步块，方便 Block 内容的知识复用 。此外，支持页面动态和评论功能。...与此同时，也支持公式、关联、汇总等高级功能，方便多维表实现数据自动化汇总和呈现。此外，支持引用多维表格功能，方便用户在多个页面中共享 Database.模版功能：模版按钮+模版市场。...多维表的引用和嵌入特色功能与 Notion 相比，FlowUs 支持中文界面，针对中文用户使用习惯进行细节优化。支持原生开发，解决了移动端的输入问题。
谷歌此前表示，TPUv4 可以在目标检测、图像分类、自然语言处理、机器翻译和推荐基准等工作负载上优于上一代 TPU 产品。...论文地址：https://www.nature.com/articles/s41586-021-03544-w 这项基于强化学习的快速芯片设计方法对于资金紧张的初创企业大有裨益，如果谷歌公开相关技术的话...因此，研究者创建了一个包含 10000 个芯片放置的数据集，其中输入是与给定放置相关的状态，标签是该放置的奖励。...为了公平起见，研究者确保所有方法使用相同的实验设置，包括相同的输入和 EDA 工具设置，并使用在最大数据集（20 个 TPU 块）上预先训练的 AI 策略，接着在 5 个目标不可见块上微调（时间少于 6...为芯片设计过程的完全自动化奠定基础 谷歌称其系统泛化和生成高质量解决方案的能力具有重大影响，为芯片设计过程的早期优化提供了机会。
首先，token 的一个输入序列被映射到嵌入序列，然后又传递至解码器。解码器包含一堆「块」，每个「块」又包含两个子部件：自注意力层和小的前馈网络。...最终解码器块的输出被馈入一个具有 softmax 输出的密集层，该密集层的权重与输入嵌入矩阵共享。...C4 语料库 以前 NLP 领域的许多迁移学习研究工作利用大量的未标注数据集来进行无监督学习。在本文中，研究者对测量这种未标注数据的质量效应、特性和大小更感兴趣。...比如说，如果需要模型将「That is good」从英语翻译到德语，则输入为「translate English to German: That is good.」输出则为「Das ist gut.」...实验 在论文的「实验」部分，谷歌的研究者进行了一系列实验来测试 T5 模型的迁移学习性能。结果如下表 14 所示： ? 表 14：T5 模型众多变体在各个任务上的性能。
缺点如果你想要使用高级编辑功能，则需要付费购买 Microsoft Office 365.与谷歌文档对比，依然轻快、流畅。...强大的软件生态：大量国外软件以及 Zapier 等自动化服务，都支持谷歌文档的嵌入、数据互通。这点是国内其他同类软件无法比拟的。缺点谷歌文档是在线协作文档中的佼佼者。...如果要寻找谷歌文档的缺点的话，那便是没有微软的离线 Office 的功能丰富。Google Docs 官网金山文档介绍一起办公才高效。...缺点谷歌文档包括 Word、表格、演示文档等多个组件，而 Dropbox Paper 则相当于 Word 的替代品。当然，在 Dropbox Paper 可以支持插入一些简单的表格。...多维表的引用和嵌入特色功能与 Notion 相比，FlowUs 支持中文界面，针对中文用户使用习惯进行细节优化。支持原生开发，解决了移动端的输入问题。
表 1. 2016 年 7 月，谷歌 TPU 上的 DNN 工作负载。共六种 DNN 应用（三种 DNN 类型），代表 95% 的 TPU 工作负载。...如果输入激活或权重数据没有准备好，矩阵单元将停止。...这些权重被预加载，并随着新数据块的第一个数据一起随着前进波生效。控制和数据被流水线化，给程序员一种错觉，即 256 个输入被一次读取，并立即更新 256 个累加器中每个累加器的一个位置。...如果我们使时钟频率为 700MHz，但使用 GDDR5 作为权重内存，则加权平均值飞跃至 3.9。同时实行这两种措施无法改变平均值，因此假设的 TPU' 具备更快的内存。...一个强大的应用是离线图像处理，谷歌开发者的直觉是，如果交互式服务也需要 TPU，则大部分服务需要累积足够大的批量。
有些人对于尝试和学习新工具乐此不疲，而另外一些人则感觉实在太累。对此，我下面推荐一些好用、强大的轻量级笔记软件。基本筛选标准是：快速打开，打开即写；数据安全；方便查找；上手门槛低。...强大的动作库：如果只是快和便捷，尽管相关的产品不是太多，但是依然不够独特。而丰富的 Actions 才是 Drafts 核心功能。...最新的 iOS 15 版本的备忘录，已经支持了自然语言输入和标签等功能，并且可以与提醒事项、苹果日历等其他官方应用进行联动。Google keep介绍谷歌官方推出的轻量级编辑器。...与此同时，也支持公式、关联、汇总等高级功能，方便多维表实现数据自动化汇总和呈现。此外，支持引用多维表格功能，方便用户在多个页面中共享 Database.模版功能：模版按钮+模版市场。...图片多维表的引用和嵌入特色功能与 Notion 相比，FlowUs 支持中文界面，针对中文用户使用习惯进行细节优化。支持原生开发，解决了移动端的输入问题。
在近日举行的首届「清华-谷歌 AI 学术研讨会」上，Jeff Dean 谈了谈「接下来我们希望设计什么样的模型」，来自谷歌大脑的研究员 Azalia Mirhoseini 则给出了主题演讲「如何用强化学习方法进行系统优化...谷歌人工智能负责人 Jeff Dean 如果将这几份工作联系起来，我们似乎就能看出，在深度学习这个 Arxiv 论文增速超越摩尔定律的领域里，谷歌大脑的研究者们如何同时思考软硬件问题以实现系统最佳性能与最佳效率...训练 谷歌从 2013 年开始设计的第一代 TPU 是针对推理而非训练工作设计的，一定程度上是为训练设计硬件架构要更加困难： 第一，训练的运算量是推理的 3 倍以上。...另外，如果你是一位有志于机器学习研究并致力于开源自己的工作，谷歌正以 TensorFlow 研究云的形式向研究者免费提供一千块 TPU。 批规模（batch size） 批量是越大越好还是越小越好？...传统的记忆机制每次只要访问存储数据的表中的一个值，但是以注意力机制为代表的软记忆机制则需要对表内的所有值进行加权平均。
这些注意力方法增强了输入数据的某些部分，同时最小化了其他部分，以便网络可以专注于数据最重要的部分。 视觉 Transformer (ViT) 为计算机视觉模型设计创造了一个完全没有卷积的全新领域。...块注意力工作在非重叠窗口内（即中间特征图中的小 patch），以捕捉局部模式；而网格注意力工作在一个稀疏采样的均匀网格上，用于长程（全局）交互。...MaxViT 在 MaxViT 中，谷歌首先通过连接 MBConv 和多轴注意力来构建单独的 MaxViT 块（如下如），这个单独的块可以编码局部和全局视觉信息，而不考虑输入分辨率。...谷歌探索了用 gMLP（gated multi-layer perceptron）网络进行局部、全局注意力并行设计方法。此外，MAXIM 的交叉门控块可用于不同输入信号之间的相互作用。...总结 最近两年的工作表明，卷积网络和视觉 Transformer 可以实现类似的性能。谷歌的新工作则提出了一个统一的设计，它利用了二者的优点——高效卷积和稀疏注意力。
读写数据 就像在 Excel 中一样，谷歌表格工作表有包含数据的列和行单元格。您可以使用方括号运算符在这些单元格中读取和写入数据。...如果想保留工作表但删除其中包含的数据，调用clear()方法清除所有单元格，使其成为一张空白工作表。...如果您愿意，您可以更改它们的index属性，以便在新的电子表格中对它们重新排序。 使用谷歌工作表配额 因为谷歌表格是在线的，所以可以很容易地在多个用户之间共享工作表，这些用户可以同时访问工作表。...EZSheets 将电子表格表示为Spreadsheet对象，每个对象包含一个有序的Sheet对象列表。每个工作表都有数据的列和行，您可以通过多种方式读取和更新这些数据。...如果该行的合计正确，则表达式int(ss[0].getRow(2)[0]) * int(ss[0].getRow(2)[1]) == int(ss[0].getRow(2)[2])的计算结果为True。
芯片设计流程 了解谷歌的工作我们首先要知道芯片的设计过程 首先要确定项目需求，这个阶段主要工作室规划芯片的功能以及各项指标，接着进行系统级别的设计，对芯片的各个子模块进行建模，然后进入具体的设计流程，分为前端和后端...最后在布局任务中，将门级网表作为输入，划分成不同的模块，对模块进行布局，布局的意义在于，通过合理的拓扑优化，减少信号的延迟，提高时钟的质量，保证芯片的工作频率。...系统具体如何工作 芯片布局规划类似于具有不同部分（例如，网表拓扑、宏计数、宏尺寸和纵横比）、棋盘（不同的画布尺寸和纵横比）和获胜条件（不同评估的相对重要性）的游戏指标或不同的密度和路由拥塞约束） ?...强化学习系统需要精心设计的奖励，谷歌的·布局规划系统的奖励设计为“线长、拥塞和密度的加权总和”。 值得注意的是，系统中使用的深度神经网络是使用监督学习开发的。...监督机器学习需要标记数据在训练期间调整模型的参数。谷歌的科学家创建了“一个包含 10,000 个芯片placements的数据集，其中输入是与给定布局相关的状态，标签是该布局的奖励。”
尽管大部分之前工作融合了不同的输入特征，但它们仅仅是不加区分地将其汇总起来。而由于这些输入特征的分辨率不尽相同，它们对输出特征的贡献也不相等。 挑战 2：模型缩放。...它使用 level 3-7 作为输入特征，如果输入分辨率是 640x640，则 level 3 输入特征是 640/2^3 = 80，分辨率为 80x80。...为了提高模型效率，谷歌大脑研究者提出了针对跨尺度连接的几项优化： 首先，移除仅具备一个输入边的节点。其背后的想法很简单：如果一个节点只有一个输入边没有特征融合，则它对特征网络的贡献较小。...为解决该问题，研究者提出在特征融合过程中为每一个输入添加额外的权重，再让网络学习每个输入特征的重要性。...表 2：EfficientDet 在 COCO 数据集上的性能。#Params 和 #FLOPS 表示参数量和 multiply-add 次数。LAT 表示在批大小为 1 时的推断延迟。
这次，在BERT模型的成绩表上有一个“异常”的数字：1196.638（分钟），来自谷歌。 怎么？谷歌训练一个BERT要接近1天，别家都只要几分钟？ NONONO！...它也是谷歌今年在MLPerf“非标准区”提交的一个作品： 一共花了2048块TPUv4，约20小时训练而成！...而此次的巨型BERT性能也不赖，它的预测准确率为75%，比MLPerf要求的72.2%要高。 同时，和标准区其他参赛商一样，谷歌也用较少的文本数据样本来达到目标精度。...另外，完成这次工作的2048块TPU系统一开始也是为了迎合公司的生产和研发需要，所以它并未“束之高阁”——目前已用于Google Cloud服务。...Graphcore则只需3.8分钟，用了256块IPU加速器芯片和32块AMD EPYC主机处理器。 英伟达在配备16个EPYC处理器的64路A100系统下，花了4.5分钟。
表 1. 2016年7月，谷歌TPU上的DNN工作负载。...如果输入激活或权重数据没有准备好，矩阵计算单元将停止。...这些权重被预加载，并随着新数据块的第一个数据一起随着前进波生效。控制和数据被流水线化，给程序员一种错觉，仿佛 256 个输入是一次读取的，并立即更新 256 个累加器中每个累加器的一个位置。...一个起到推动作用的应用是离线图像处理，谷歌开发者的直觉是，如果交互式服务也需要 TPU，则大部分服务需要累积足够大的批量然后才交给 TPU 计算。...Eyeriss 是一种新颖的低功耗数据流架构，通过游程编码利用数据中的零来减少内存占用，并通过避免输入为零时的计算来节省能耗。
以下是本项目的概述： Jupiter数据中心网络的演进 2015年，我们展示了谷歌的Jupiter数据中心网络如何扩展到支持超过30,000台服务器，每台服务器的连接速度统一为40Gb/s，支持超过1Pb...这是因为Clos拓扑结构本质上需要从汇聚层块1到Spine层的all-to-all全扇出，逐步增加Spine将需要重新为整个数据中心布线。...图：汇聚层块通过光纤连接到OCS交换机。通过配置每个OCS交换机来连接输入和输出光纤的排列组合，可以实现不同逻辑拓扑结构。...经过多年的努力，我们设计并建造了Apollo OCS，它现在是我们绝大部分数据中心网络的基础。 OCS的一个突出优点是在其工作中不涉及数据包路由或头部解析。...图：实现流量工程的交换机上的流表 总的来说，我们已经完整地迭代重构了为谷歌仓库规模的计算机提供动力的Jupiter数据中心网络，并在此过程中引入了许多行业第一。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
