中包含几个 BOM 生成器脚本，用户也可以 创建自己的脚本。BOM 生成器脚本一般使用 Python 或 XSLT，但也可以使用其他工具，只要你能指定一个 《生成 器命令行格式，命令行》让 KiCad 在运行生成器时执行。 您可以在 BOM 发生器脚本 列表中选择要使用的 BOM 发生器。 对话框的其余部分显示所选生成器的信息。您可以用 生成器昵称 文本框来改变生成器的显示名称。 右边的 右边的窗格显示所选脚本的信息。当生成器被执行时，右边的窗格则显示脚本的输出。 底部的文本框包含了 KiCad 用来执行生成器的命令。当选择脚本时，该文本框会自动填充，但对于某些生成器来 说，该命令可能需要手工编辑。当关闭 BOM 工具时，KiCad 会保存每个生成器的命令行，所以命令行的定制会被保 留下来。关于命令行的更多细节，请参阅 《生成器命令行格式，高级文档》。 在 Windows 下，BOM 生成器对话框有一个额外的选项 生成器对话框有一个额外的选项 显示控制台窗口。当这个选项未被选中时，BOM 生成器在 一个隐藏的控制台窗口中运行，任何输出都会被重定向并打印在对话框中。当该选项被选中时，BOM 生成器在一个 可见的控制台窗口中运行，如果生成器插件提供了一个图形用户界面，这可能是必要的。 BOM 生成器脚本 默认情况下，BOM 工具呈现三个输出脚本选项。 bom_csv_grouped_extra 输出一个 CSV

列表中选择要使用的 BOM 生成器。 对话框的其余部分显示所选生成器的信息。您可以用 生成器昵称 文本框来改变生成器的显示名称。 右边的窗格显示所选脚本的信息。当生成器被执行时，右边的窗格会显示脚本的输出。 底部的文本框包含了 KiCad 用来执行生成器的命令。当选择脚本时，该文本框会自动填充，但对于某些生成器来 说，该命令可能需要手工编辑。当关闭 BOM 工具时，KiCad 会保存每个生成器的命令行，因此定制的命令行会被保 留下来。关于命令行的更多细节，请参阅 高级文档。 在 Windows 下，BOM 生成器对话框有一个额外的 *显示控制台窗口*选项。当这个选项未被选中时，BOM 生成器 在一个隐藏的控制台窗口中运行，任何输出都会被重定向并打印在对话框中。当该选项被选中时，BOM 生成器在一 个可见的控制台窗口中运行，如果生成器插件提供了一个图形用户界面，这可能是必要的。 BOM 生成器脚本 By default, the legacy CSV，其中有一个单独的部分，包含设计中的每个元件。元件 按值、封装和 DNP（不安装）进行分组。BOM 中的列是： 位号 数量 值 符号名称 封装 符号描述 供应商 不安装 额外的生成器脚本与 KiCad 一起安装，但默认情况下不会在生成器脚本列表中填入。这些脚本的位置取决于操作系 统，并可能根据安装位置而有所不同。 运行系统 位置 Windows C:\Program Files\KiCad\6.0

其隐变量z是一个单值映射：z=f(x)  变分自编码（VAE）  其隐变量z是一个正态分布的采样  生成式对抗网络（GAN）  条件生成式对抗网络（CGAN）  在生成器和判别器中添加某一标签信息  深度卷积生成式对抗网络（DCGAN）  判别器和生成器都使用了卷积神经网络（CNN）来替代GAN 中的多层感知机  为了使整个网络可微，拿掉了CNN 中的池化层  将全连接层以全局池化层替代以减轻计算量。 Adversarial Networks) ，中文翻译为生成式对抗网络，是 Ian Goodfellow 等在2014 年提出的一种生成式模型。 GAN的基本思想源自博弈论的二人零和博弈, 由一个生成器和一个判别器构成, 通过对抗 学习的方式来训练. 目的是估测数据样本的潜在分布并生成新的数据样本。 2. GAN的理论与实现模型 10 概念简介 提出背景 GAN的概念简介及提出背景 2001年，Tony GAN的理论与实现模型 13 GAN 的核心思想来源于博弈论的纳什均衡。 它设定参与游戏双方分别为一个生成器 (Generator) 和一个判别器(Discriminator)，生成器的目的是尽 量去学习真实的数据分布，而判别器的目的是尽量 正确判别输入数据是来自真实数据还是来自生成器； 为了取得游戏胜利，这两个游戏参与者需要不断优 化， 各自提高自己的生成能力和判别能力，这个学 习

e, shuffle=True, initial_epoch=0) 使用 Python 生成器逐批生成的数据，按批次训练模型。 生成器与模型并行运行，以提高效率。例如，这可以让你在 CPU 上对图像进行实时数据增 强，以在 GPU 上训练模型。 参数 • generator: 一个生成器。生成器的输出应该为以下之一： • 一个 (inputs, targets) 元组 模型 46 validation_data: 它可以是以下之一： • 验证数据的生成器 • 一个 (inputs, targets) 元组 • 一个 (inputs, targets, sample_weights) 元组。 • validation_steps: 仅当 validation_data 是一个生成器时才可用。每个 epoch 结束时验证 集生成器产生的步数。它通常应该等于你的数据集的样本数量除以批量大小。可选参数 class_weight: 将类别映射为权重的字典。 • max_queue_size: 生成器队列的最大尺寸。 • workers: 使用的最大进程数量。 • use_multiprocessing: 如果 True，则使用基于进程的多线程。请注意，因为此实现依赖于多 进程，所以不应将不可传递的参数传递给生成器，因为它们不能被轻易地传递给子进程。 • shuffle: 是否在每轮迭代之前打乱 batch

3. 数据分片 33 Apache ShardingSphere document, v5.1.0 不仅提供了内置的分布式主键生成器，例如 UUID、SNOWFLAKE，还抽离出分布式主键生成器的接口， 方便用户自行实现自定义的自增主键生成器。 内置的主键生成器 UUID 采用 UUID.randomUUID() 的方式产生分布式主键。 SNOWFLAKE 在分片规则配置模块可配置 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂)，那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.3. 数据分片 34 Apache ShardingSphere document, v5.1.0 时钟回拨 服务器时钟回拨会导致产生重复序列，因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒 数阈值，则程序报错；如果在可容忍的范围内，默认分布 式主键生成器会等待时钟同步到最后一次主键生成的时间后再继续工作。最大容忍的时钟回拨毫秒数的 默认值为 0，可通过属性设置。 强制分片路由 实现动机 通过解析 SQL 语句提取分片键列与值并进行分片是 Apache ShardingSphere 对 SQL 零侵入的实现方式。 若 SQL 语句中没有分片条件，则无法进行分片，需要全路由。

3. 数据分片 33 Apache ShardingSphere document, v5.1.2 不仅提供了内置的分布式主键生成器，例如 UUID、SNOWFLAKE，还抽离出分布式主键生成器的接口， 方便用户自行实现自定义的自增主键生成器。 内置的主键生成器 UUID 采用 UUID.randomUUID() 的方式产生分布式主键。 NanoID 生成长度为 21 的字符串分布式主键。 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂)，那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 时钟回拨 服务器时钟回拨会导致产生重复序列，因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值，则程序报错；如果在可容忍的范围内，默认分布 式主键生成器会等待时钟同步到最后一次主键生成的时间后再继续工作。最大容忍的时钟回拨毫秒数的 tbl_name WHERE col3 = ? SELECT 子句不支持 * 和内置分 布式主键生成器 无 REPLACE INTO tbl_name (col1, col2, ⋯) SELECT * FROM tbl_name WHERE col3 = ? SELECT 子句不支持 * 和内置分 布式主键生成器 无 SELECT MAX(tbl_name.col1) FROM tbl_name

3. 数据分片 33 Apache ShardingSphere document, v5.1.1 不仅提供了内置的分布式主键生成器，例如 UUID、SNOWFLAKE，还抽离出分布式主键生成器的接口， 方便用户自行实现自定义的自增主键生成器。 内置的主键生成器 UUID 采用 UUID.randomUUID() 的方式产生分布式主键。 SNOWFLAKE 在分片规则配置模块可配置 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂)，那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.3. 数据分片 34 Apache ShardingSphere document, v5.1.1 时钟回拨 服务器时钟回拨会导致产生重复序列，因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒 数阈值，则程序报错；如果在可容忍的范围内，默认分布 式主键生成器会等待时钟同步到最后一次主键生成的时间后再继续工作。最大容忍的时钟回拨毫秒数的 默认值为 0，可通过属性设置。 强制分片路由 实现动机 通过解析 SQL 语句提取分片键列与值并进行分片是 Apache ShardingSphere 对 SQL 零侵入的实现方式。 若 SQL 语句中没有分片条件，则无法进行分片，需要全路由。

2. 数据分片 28 Apache ShardingSphere document, v5.0.0 不仅提供了内置的分布式主键生成器，例如 UUID、SNOWFLAKE，还抽离出分布式主键生成器的接口， 方便用户自行实现自定义的自增主键生成器。 内置的主键生成器 UUID 采用 UUID.randomUUID() 的方式产生分布式主键。 SNOWFLAKE 在分片规则配置模块可配置 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂)，那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.2. 数据分片 29 Apache ShardingSphere document, v5.0.0 时钟回拨 服务器时钟回拨会导致产生重复序列，因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒 数阈值，则程序报错；如果在可容忍的范围内，默认分布 式主键生成器会等待时钟同步到最后一次主键生成的时间后再继续工作。最大容忍的时钟回拨毫秒数的 默认值为 0，可通过属性设置。 强制分片路由 实现动机 通过解析 SQL 语句提取分片键列与值并进行分片是 Apache ShardingSphere 对 SQL 零侵入的实现方式。 若 SQL 语句中没有分片条件，则无法进行分片，需要全路由。

-D 参数，但是之前的 -D 设置的变量都会被保留 • （此时缓存里仍有你之前定义的 CMAKE_BUILD_TYPE 和 CMAKE_INSTALL_PREFIX ） -G 选项：指定要用的生成器 • 众所周知， CMake 是一个跨平台的构建系统，可以从 CMakeLists.txt 生成不同类型的构建系 统（比如 Linux 的 make ， Windows 的 MSBuild ），从而让构建规则可以只写一份，跨平 txt 生成本地构建系统构建规则文件的，称为生成器（ generator ）。 -G 选项：指定要用的生成器 • Linux 系统上的 CMake 默认用是 Unix Makefiles 生成器； Windows 系统默认是 Visual Studio 2019 生成器； MacOS 系统默认是 Xcode 生成器。 • 可以用 -G 参数改用别的生成器，例如 cmake -GNinja 会生成 都适用 APPLE 对于所有苹果产品（ MacOS 或 iOS ）都为真 UNIX 对于所有 Unix 类系统（ FreeBSD, Linux, Android, MacOS, iOS ）都为真 使用生成器表达式，简化成一条指令 https://cmake.org/cmake/help/latest/manual/cmake-generator-expressions.7.html#genex:PLATFORM_ID

引入主键生成服务等。为了方便用户使用、满足不同用户不同使用场景的需求，Apache ShardingSphere 不仅提供了内置的分布式主键生成器，例如 UUID、SNOWFLAKE，还抽离出分布式主键生成器的接口， 方便用户自行实现自定义的自增主键生成器。 8.1.7 使用限制 兼容全部常用的路由至单数据节点的 SQL；路由至多数据节点的 SQL 由于场景复杂，分为稳定支持、实 验性支持和不支持这三种情况。 语句加载数据到分片表。 8.1.8 附录 有限支持的 SQL： • 使用 JDBC 规范 getGeneratedKeys 接口返回自增主键时，需要配合使用支持自增的分布式主键 生成器，不支持其他类型的分布式主键生成器 不支持的 SQL： • CASE WHEN 中包含子查询 • CASE WHEN 中使用逻辑表名（请使用表别名） 8.1. 数据分片 29 Apache ShardingSphere tbl_name WHERE col3 = ?（SELECT 子句 不支持 * 和内置分布式主键生成器） • REPLACE INTO tbl_name (col1, col2, ⋯) SELECT * FROM tbl_name WHERE col3 = ?（SELECT 子 句不支持 * 和内置分布式主键生成器） • SELECT MAX(tbl_name.col1) FROM tbl_name