Más

Cree varias capas de características y agréguelas a un MXD

Cree varias capas de características y agréguelas a un MXD


Cada vez que ejecuto este script ahora, aparece un error en la línea con la línea MakeFeatureLayer. ¡Lo siento por todas las preguntas! Soy realmente nuevo en Python.

importar arcpy, os arcpy.env.workspace = r'C:  vía a gdb 'fcs = arcpy.ListFeatureClasses () mxd = arcpy.mapping.MapDocument (r'C:  vía a mxd') DF = arcpy.mapping. ListDataFrames (mxd, '*') [0] para la función en fcs: inputlayer = 'C:  pathway to gdb' outlayer = os.path.join (fcs, 'feature' + '. Lyr') arcpy.MakeFeatureLayer_management (inputlayer , outlayer) layer = arcpy.mapping.Layer (mxd) arcpy.mapping.AddLayer (DF, layer, "AUTO_ARRANGE")

Responda a su pregunta original:

No hay MXD "ACTUAL" cuando se ejecuta fuera de ArcMap. Utilizarmxd = arcpy.mapping.MapDocument (r'C: ruta completa to.mxd ')en lugar de.

Responda a su pregunta editada:

No puede crear un objeto Layer a partir de un objeto MapDocument (es decir,layer = arcpy.mapping.Layer (mxd)). En su lugar, haz algo como esto:

para fc en fcs: layer = arcpy.mapping.Layer (fc) arcpy.mapping.AddLayer (DF, layer, "AUTO_ARRANGE")

Hechos del planeta

Al igual que un cuerpo humano que está formado por diferentes sistemas que trabajan juntos, el Sol también está formado por partes que funcionan juntas para ayudarlo a maximizar su poder en el Sistema Solar. El Sol, como uno de los cuerpos celestes, tiene diferentes partes identificables. Estas partes realizan una función específica para mantener vivo al Sol. El Sol está compuesto por varias capas o regiones.

Hay algunas regiones del Sol que se pueden ver desde la Tierra y esas regiones visibles del Sol son parte de su atmósfera. Al ser una bola de gases ardientes calientes, el Sol se compone de varias partes: la corona, la cromosfera, la fotosfera, el núcleo, las manchas solares y las prominencias. Corona es la capa más externa de la atmósfera del Sol. Es visible solo durante el eclipse total de Sol y se extiende en todas las direcciones desde la cromosfera.

La cromosfera es la capa media del Sol. Es un manto de gases brillantes que rodea al Sol y mide 16.000 kilómetros de espesor. Se la conoce como una zona delgada de materia electrificada. Esta zona no es visible debido a la luz muy brillante que emite la cromosfera. Sin embargo, cuando hay un eclipse total, se vuelve visible.

Justo debajo de la cromosfera está la fotosfera, que es la tercera y más interna capa de la atmósfera del Sol. Esta fotosfera tiene enormes nubes de vapor de calcio. Está rodeado por una capa de gases más ligeros y fríos. Tiene unos 128.000 kilómetros de espesor y una temperatura de unos 5500 ° Celsius. Esta capa libera luz que llega a la tierra.

En el centro del Sol está el núcleo donde el hidrógeno se convierte en helio. Esta conversión de gases produce energía en forma de calor y luz que llega a la superficie del Sol y luego al espacio. Las manchas solares y las prominencias se forman en la superficie del Sol y se pueden ver desde la Tierra. Las manchas solares son áreas de gases más fríos asociados con alteraciones en la superficie del Sol.

Aparecen como manchas oscuras. Las prominencias son arcos de gases que salen de la superficie del Sol. Sin estas capas que forman parte integral de una estrella, el Sol no podrá suministrar la energía y el calor que necesitan los seres vivos.


Cree varias capas de características y agréguelas a un MXD - Sistemas de información geográfica

Instructor: Eric Pimpler, Servicios de formación geoespacial

Requisitos: traiga su propia computadora con el software ArcGIS Pro 2.x instalado y con licencia

Asientos máximos: 24

Descripción del taller:

En este curso de 1 día, el estudiante aprenderá a usar ArcGIS Pro para crear y usar proyectos, crear mapas 2D, agregar y simbolizar capas, trabajar con conjuntos de selección, trabajar con tablas y crear diseños de mapas de calidad de producción. Los estudiantes aprenderán terminología asociada con ArcGIS Pro y GIS en general. Comprenderán los proyectos de ArcGIS Pro y cómo gestionarlos.

Módulos del curso:
Módulo 1: Introducción a ArcGIS Pro
Módulo 2: Navegación por la interfaz de ArcGIS Pro
Módulo 3: Trabajar con proyectos de ArcGIS Pro
Módulo 4: Creación de mapas 2D
Módulo 5: Creación de diseños de mapas

Sobre el instructor:

Eric es el fundador y propietario de GeoSpatial Training Services (geospatialtraining.com) y tiene más de 25 años de experiencia como desarrollador de aplicaciones, científico de datos y formador en ArcGIS Desktop, ArcGIS Enterprise, ArcGIS Online y ArcGIS Pro. Eric se centra actualmente en aplicaciones de ciencia de datos con Python, R y GIS. El es el autor de Programación de ArcGIS con Python Cookbook, Creación de aplicaciones de ArcGIS Server móviles y web con JavaScript, Análisis espacial con ArcGIS, Blueprints de ArcGIS, y Programando ArcGIS Pro con Python. Eric tiene una licenciatura y una licenciatura en Geografía de la Universidad Texas A & ampM y una maestría en Geografía Aplicada con especialización en SIG de la Universidad Estatal de Texas.

Automatización de su flujo de trabajo con Python: céntrese en el código reutilizable

Instructores: John Hogland y Melissa Reynolds-Hogland

Requisitos: ArcGIS o ArcPro (arcpy), Python e IDL (usaremos Visual Studio), SciPy, Numpy, PIP, Google Login

Asientos máximos: ilimitado

Descripción del taller:

Gran parte de lo que hacemos en un SIG en el día a día es detallado y repetitivo. En muchos casos, estos procedimientos son complejos y deben ser realizados por varias personas. En este taller, a través de varios ejemplos y ejercicios, exploraremos formas de automatizar su flujo de trabajo diario usando Python y ArcGIS mientras nos enfocamos en crear código reutilizable. Esbozaremos algunos conceptos básicos de programación orientada a objetos y exploraremos formas de optimizar el flujo de trabajo SIG. Requisitos del taller: ArcGIS y python (versión 2.7 o 3.2), su entorno de desarrollo interactivo favorito (usaremos MS Visual Studio 2015) y SciPy. Si bien se requiere una comprensión básica de Python y ArcGIS para trabajar con los ejemplos y ejercicios, discutiremos temas de codificación y automatización de una manera no técnica para que cualquier persona interesada pueda participar.

Acerca de los instructores:

El Dr. Hogland es un investigador forestal que trabaja para la Estación de Investigación de las Montañas Rocosas. Sus intereses de investigación giran en torno a los métodos cuantitativos dentro de los sistemas de información geográfica (SIG) y la comprensión de las relaciones entre los patrones del paisaje y los procesos de los ecosistemas forestales. El proyecto actual incluye: 1) Cuantificar las características del bosque a escalas espaciales finas, 2) diseñar, desarrollar y construir nuevos procedimientos que integren el aprendizaje automático y el modelado estadístico con procesamiento ráster rápido (Modelado de funciones) para agilizar el modelado espacial y reducir el espacio de almacenamiento asociado con SIG análisis, y 3) desarrollar estrategias de muestreo enfocadas en reducir el costo del muestreo mientras se mantienen las características de una muestra representativa.

El Dr. Reynolds-Hogland es un investigador de vida silvestre que trabaja para la Fundación de Educación e Investigación de Vida Silvestre. Su investigación se centra en modelar el hábitat y los recursos de la vida silvestre utilizando datos de campo y sistemas de información geográfica (SIG), evaluar la selección de recursos de vida silvestre, modelar la demografía de la población de vida silvestre y vincular la selección de recursos con la supervivencia de la población para determinar si los comportamientos individuales se escalan para afectar el nivel de la población. Procesos. Los proyectos actuales incluyen: 1) estimar la selección de recursos por osos negros salvajes en el oeste de Montana con una resolución espacial fina utilizando datos de ubicación GPS y modelos de hábitat derivados de GIS que están entrenados y probados con datos de campo, 2) modelado de la supervivencia y reproducción de la población anual para el negro osos y marmotas de vientre amarillo usando datos de captura-marca-recaptura, 3) probar la eficacia del uso de datos genéticos no invasivos y de video continuo para estimar la supervivencia anual de las poblaciones de vida silvestre, y 4) traducir datos del mundo real y hallazgos de investigación estudios en el plan de estudios de educación STEM para estudiantes de pregrado y K-12.

Uso de Python para limpiar datos, crear modelos predictivos y ayudar en la toma de decisiones: enfoque en la creación de bibliotecas de codificación

Instructores: John Hogland y Melissa Reynolds-Hogland

Requisitos: ArcGIS o ArcPro (arcpy), Python e IDL (usaremos Visual Studio), SciPy, Numpy, PIP, SciKit-Learn, inicio de sesión de Google

Asientos máximos: ilimitado

Descripción del taller:

Existen numerosas bibliotecas de codificación disponibles que nos permiten automatizar muchas tareas dentro de nuestro flujo de trabajo. Sin embargo, hay ocasiones en las que no podemos abordar fácilmente preguntas o tareas utilizando bibliotecas o módulos existentes. En esas circunstancias, puede ser útil desarrollar nuestros propios módulos de Python que se puedan automatizar. En este taller discutiremos las técnicas de desarrollo utilizadas para crear módulos que apoyan aspectos de creación de datos, modelado predictivo y toma de decisiones. A través de múltiples ejemplos y ejercicios interactivos, desarrollaremos una serie de rutinas y herramientas de modelado que pueden describir las diferentes características de los datos y ayudar a informar la toma de decisiones. Requisitos del taller: ArcGIS y python (versión 2.7 o 3.2), su entorno de desarrollo interactivo favorito (usaremos MS Visual Studio 2015) y SciPy.

Acerca de los instructores:

El Dr. Hogland es un investigador forestal que trabaja para la Estación de Investigación de las Montañas Rocosas. Sus intereses de investigación giran en torno a los métodos cuantitativos dentro de los sistemas de información geográfica (SIG) y la comprensión de las relaciones entre los patrones del paisaje y los procesos de los ecosistemas forestales. El proyecto actual incluye: 1) Cuantificar las características del bosque a escalas espaciales finas, 2) diseñar, desarrollar y construir nuevos procedimientos que integren el aprendizaje automático y el modelado estadístico con procesamiento ráster rápido (Modelado de funciones) para agilizar el modelado espacial y reducir el espacio de almacenamiento asociado con SIG análisis, y 3) desarrollar estrategias de muestreo enfocadas en reducir el costo del muestreo mientras se mantienen las características de una muestra representativa.

El Dr. Reynolds-Hogland es un investigador de vida silvestre que trabaja para la Fundación de Educación e Investigación de Vida Silvestre. Su investigación se centra en modelar el hábitat y los recursos de la vida silvestre utilizando datos de campo y sistemas de información geográfica (SIG), evaluar la selección de recursos de vida silvestre, modelar la demografía de la población de vida silvestre y vincular la selección de recursos con la supervivencia de la población para determinar si los comportamientos individuales se escalan para afectar el nivel de la población. Procesos. Los proyectos actuales incluyen: 1) estimar la selección de recursos por osos negros salvajes en el oeste de Montana con una resolución espacial fina utilizando datos de ubicación GPS y modelos de hábitat derivados de GIS que están entrenados y probados con datos de campo, 2) modelado de la supervivencia y reproducción de la población anual para el negro osos y marmotas de vientre amarillo usando datos de captura-marca-recaptura, 3) probar la eficacia del uso de datos genéticos no invasivos y de video continuo para estimar la supervivencia anual de las poblaciones de vida silvestre, y 4) traducir datos del mundo real y hallazgos de investigación estudios en el plan de estudios de educación STEM para estudiantes de pregrado y K-12.

Editar en ArcGIS Pro

Instructor: Eric Pimpler, Servicios de formación geoespacial

Requisitos: traiga su propia computadora con el software ArcGIS Pro 2.x instalado y con licencia

Asientos máximos: 24

Descripción del taller:

Aprenda a crear, modificar y eliminar entidades espaciales y de atributos en ArcGIS Pro.

Módulo 1: Edición de flujo de trabajo y opciones
Módulo 2: Creación de nuevas funciones
Módulo 3: Creación de nuevas funciones a partir de funciones existentes
Módulo 4: Edición de funciones existentes
Módulo 5: Edición de atributos

Sobre el instructor:

Eric es el fundador y propietario de GeoSpatial Training Services (geospatialtraining.com) y tiene más de 25 años de experiencia como desarrollador de aplicaciones, científico de datos y formador en ArcGIS Desktop, ArcGIS Enterprise, ArcGIS Online y ArcGIS Pro. Eric se centra actualmente en aplicaciones de ciencia de datos con Python, R y GIS. El es el autor de Programación de ArcGIS con Python Cookbook, Creación de aplicaciones de ArcGIS Server móviles y web con JavaScript, Análisis espacial con ArcGIS, Blueprints de ArcGIS, y Programando ArcGIS Pro con Python. Eric tiene una licenciatura y una licenciatura en Geografía de la Universidad Texas A & ampM y una maestría en Geografía Aplicada con especialización en SIG de la Universidad Estatal de Texas.

Introducción a Lidar

Instructores: Jessica Mitchell y Ryan Rock, Programa de Patrimonio Natural de Montana

Requerimientos: Una computadora con ArcGIS Pro. Los participantes deben tener una cuenta organizacional de ArcGIS en línea.

Asientos máximos: 24

Descripción del taller:

La Universidad de Montana & # 8217s Spatial Analysis Lab ofrece un taller de Introducción a Lidar. La agenda incluye un ejercicio que explora, crea y evalúa datasets Lidar en ArcGIS Pro. Proporcionamos información básica sobre la teoría operativa Lidar, algoritmos de filtrado de altura para convertir de nubes de puntos 3D a productos de vegetación y topográficos ráster, flujo de datos y software disponible. La capacitación enfatiza la contratación con proveedores, incluida la forma de evaluar la precisión vertical y horizontal de los productos que se entregan.

Acerca de los instructores:

Jessica Mitchell dirige el Laboratorio de análisis espacial de la Universidad de Montana. Jessica combina experiencia en teledetección de vegetación y planificación ambiental para desarrollar técnicas para analizar los impactos de los recursos naturales y la toma de decisiones sobre el manejo de la tierra. Ha estado involucrada en más de una década de proyectos que involucran la evaluación de herramientas de procesamiento Lidar aerotransportadas de retorno discreto para aplicaciones de vegetación. Ha trabajado en el desarrollo de productos estructurales de arbustos de alta resolución que informan los productos de modelado de ecosistemas en el oeste de los EE. UU. Y actualmente está utilizando variables de estructura de dosel derivadas de Lidar para experimentar con técnicas de mapeo de biodiversidad. Tiene una maestría & # 8217 en Ciencias de la Información Geográfica y un doctorado. en Ingeniería y Ciencias Aplicadas de la Universidad Estatal de Idaho.

Ryan Rock es analista de imágenes en el Laboratorio de análisis espacial. Recibió una maestría & # 8217 en Geografía de la Universidad de Montana con una concentración en Cartografía y GIS. Su trabajo actual se centra en el uso de una variedad de herramientas y software de código abierto para recopilar, interpretar y analizar datos de teledetección con el fin de crear modelos de vegetación predictivos. Anteriormente, trabajó como técnico de campo en numerosos proyectos de investigación de vida silvestre en Virginia, Pensilvania y Montana.

Explorando la información de la propiedad de Montana con consultas SQL

Instructor: Christian Hinderman, Departamento de Hacienda de Montana

Requisitos: computadora con SQL Server Management Studio Express

Asientos máximos: 15

Descripción del taller:

La División de Evaluación de la Propiedad del Departamento de Ingresos de Montana es responsable de la valoración de toda la propiedad sujeta a impuestos en el estado. Gran parte de los datos utilizados en la valoración están disponibles a través de la Biblioteca del Estado. Además del sitio catastral, los archivos de la base de datos están disponibles para descargar. Este taller brindará información básica sobre la recopilación y disponibilidad de datos de propiedad, y luego se sumergirá en un archivo de base de datos de propiedad utilizando Microsoft SQL Server Express & # 8211, una versión gratuita a pequeña escala de su software de base de datos. Usaremos consultas SQL para explorar las tablas de propiedades y ejecutar algunos informes típicos. La experiencia en la gestión de bases de datos / consultas SQL es útil pero no necesaria.

Sobre el instructor:

Christian Hinderman es analista de gestión de SIG en el Departamento de Ingresos de Montana. Ha trabajado en la División de Evaluación de Propiedades durante más de una década, comenzando en un equipo encargado de crear un sistema basado en SIG de valoración de propiedades agrícolas y forestales. Su trabajo se centra en el desarrollo de flujos de trabajo de geoprocesamiento con scripting y gestión de datos en Python.

(Casi) todo sobre los datos del censo y la geografía

Instructores: Jim Castagneri y Lacey Loftin, Oficina del Censo de los Estados Unidos

Requisitos: una computadora para ver la conferencia y la demostración

Descripción del taller:

Este taller cubrirá todo lo que necesita saber sobre los datos y la geografía del censo. La Oficina del Censo de los EE. UU. Es el administrador oficial de las geografías políticas y estadísticas del gobierno de los EE. UU. Y cubriremos en detalle las formas en que actualizamos, mantenemos y usamos estas geografías para la recopilación y publicación de datos. También cubriremos los datos que están disponibles de las encuestas y censos que realizamos, cómo acceder y usar esos datos, y aplicaciones interesantes para el análisis espacial. Demostraremos cómo acceder a la API del censo y cómo extraer las variables del censo para sus aplicaciones.

Acerca de los instructores:

Jim Castagneri es un coordinador geográfico de la Oficina del Censo de los Estados Unidos. Tiene su base en el área de Denver.

Lacey Loftin es estadístico de la Oficina del Censo de Estados Unidos. En los 15 años que ha estado en la agencia, se ha desempeñado como Analista para el Censo Económico, trabajó como Supervisora ​​de Encuestas para las encuestas actuales, actuó como Enlace con el Congreso durante el Censo de 2010 y apoyó el lanzamiento de las Estadísticas en Programa de escuelas. Como gerente de cuentas del Programa de Asociación Nacional, Lacey ahora se centra en la divulgación y el compromiso previos al Censo Decenal de 2020.

La planificación de los talleres de Big Sky GeoCon está supervisada por el Comité Técnico de MAGIP.


Además, actualizaciones espaciales en toda la pila: Tableau Prep, Amazon Redshift y mapas sin conexión

La versión 2020.4 también incluirá otras funciones de mapas para ayudarlo a llevar la inteligencia de ubicación al siguiente nivel. En esta versión, incluimos compatibilidad con datos espaciales en Tableau Prep, para que pueda limpiar y transformar sus datos de ubicación sin tener que usar una herramienta de terceros. También incluimos soporte para datos espaciales de bases de datos de Amazon Redshift y mapas fuera de línea para Tableau Server, para que pueda usar los mapas de Tableau en cualquier entorno y conectarse a sus datos de ubicación directamente desde más fuentes de datos.

¿Quiere saber qué más lanzamos con Tableau 2020.4? Obtenga información sobre Tableau Prep en el navegador, la creación web y las mejoras en el modelado predictivo, y más en nuestro anuncio de lanzamiento.


Capa de red

La capa de red agrega el concepto de enrutamiento por encima de la capa de enlace de datos. Cuando los datos llegan a la capa de red, se examinan las direcciones de origen y destino contenidas dentro de cada trama para determinar si los datos han llegado a su destino final. Si los datos han llegado al destino final, la capa 3 formatea los datos en paquetes entregados a la capa de transporte. De lo contrario, la capa de red actualiza la dirección de destino y empuja el marco hacia las capas inferiores.

Para admitir el enrutamiento, la capa de red mantiene direcciones lógicas, como direcciones IP para dispositivos en la red. La capa de red también administra el mapeo entre estas direcciones lógicas y direcciones físicas. En redes IPv4, esta asignación se logra mediante el Protocolo de resolución de direcciones (ARP). IPv6 utiliza el Protocolo de descubrimiento de vecinos (NDP).


Usar el campo CCO para enviar un mensaje de correo electrónico a un gran grupo de personas tiene una serie de beneficios, que incluyen:

  • La privacidad de las direcciones de correo electrónico está protegida en el mensaje original. Los destinatarios recibirán el mensaje, pero no podrán ver las direcciones enumeradas en el campo CCO.
  • Cuando se reenvía un correo electrónico, las direcciones de todas las personas en los campos Para y CC también se reenvían junto con el mensaje. Las direcciones que se han colocado en el campo CCO no se reenvían.
  • Si ha colocado una lista grande de destinatarios en el campo Para o CC, todos ellos recibirán la respuesta. Al colocar a los destinatarios en el campo CCO, puede ayudar a protegerlos contra la recepción de respuestas innecesarias de cualquier persona que utilice el Responder a todos característica.
  • Muchos virus y programas de spam ahora pueden examinar archivos de correo y libretas de direcciones en busca de direcciones de correo electrónico. El uso del campo CCO actúa como precaución contra el correo no deseado. Reduce la probabilidad de que los destinatarios reciban un mensaje de spam o un virus de otro destinatario y computadora infectada con rsquos.

Usando el campo BCC

Las siguientes secciones explican cómo utilizar la función CCO con Microsoft Outlook 2016, Outlook 2013 y Apple Mail:

Outlook 2016 y 2013

1. Inicie Outlook. Desde la cinta de Outlook, haga clic en el Casa pestaña, luego Nuevo correo electrónico.

2. Aparece una nueva ventana de mensaje. Desde el Cinta, haga clic en el Opciones pestaña, luego BCC. El BCC El campo ahora se mostrará en el encabezado de su mensaje.

3. En el BCC campo, escriba las direcciones de correo electrónico de sus destinatarios. Escriba su propia dirección en el Para campo.

4. Una vez que haya terminado su mensaje, haga clic en Enviar.

Correo de Apple

1. Inicie el cliente de correo electrónico macOS integrado y haga clic en Nuevo.

2. El Nuevo mensaje aparecerá la ventana. Haga clic en la flecha desplegable ubicada a la izquierda del Sujeto campo, entonces Campo de dirección CCO. El BCC El campo ahora se mostrará en el encabezado de su mensaje.

3. En el BCC campo, escriba las direcciones de correo electrónico de sus destinatarios. Escriba su propia dirección en el Para campo.


La termosfera se eleva varios cientos de millas sobre la superficie de la Tierra, desde 56 millas (90 km) hasta entre 311 y 621 millas (500 a 1000 km). La temperatura se ve muy afectada por el sol aquí, puede ser 360 grados Fahrenheit más caliente (500 C) durante el día que durante la noche. La temperatura aumenta con la altura y puede llegar hasta los 3.600 grados Fahrenheit (2000 C). No obstante, el aire se sentiría frío porque las moléculas calientes están muy separadas. Esta capa se conoce como atmósfera superior, y es donde ocurren las auroras (luces del norte y del sur).

Extendiéndose desde la parte superior de la termosfera hasta 6.200 millas (10.000 km) sobre la Tierra se encuentra la exosfera, donde se encuentran los satélites meteorológicos. Esta capa tiene muy pocas moléculas atmosféricas, que pueden escapar al espacio. Algunos científicos no están de acuerdo con que la exosfera sea parte de la atmósfera y, en cambio, la clasifican en realidad como parte del espacio exterior. No hay un límite superior claro, como en otras capas.


3 respuestas 3

Lo que describe suele ser el resultado de utilizar una velocidad de rotación del ventilador de refrigeración de una pieza demasiado alta. Al igual que el ABS, PETG no requiere mucho enfriamiento (si es necesario). Si enfría demasiado, las capas y los perímetros no se unen de manera óptima (puede obtener tiras de queso como partes impresas en caso de falla).

¿Por qué debería utilizar refrigeración para PETG? El enfriamiento ayuda a enfriar el filamento depositado en pequeñas partes transversales. Si no se enfría, la parte impresa capta demasiado calor y se deformará o se combará.

En tales casos, para empezar, reduzca el enfriamiento al 40% (otra opción es imprimir más partes o aumentar el tiempo mínimo de la capa). Tenga en cuenta que hay tantas construcciones de ventiladores de enfriamiento de impresión, algunas más efectivas que otras, por lo que debe ajustar la velocidad del ventilador de enfriamiento de impresión a su configuración. P.ej. para una Ultimaker 3E obtengo buenos resultados al 50% de la velocidad del ventilador, para otras impresoras autoconstruidas con soluciones efectivas de enfriamiento de piezas, el 40% funciona mejor (imprimió varios kilómetros de PETG de 2,85 mm). Las primeras capas no necesitan ningún enfriamiento.

Si bien 0scar tenía razón en que el ventilador de enfriamiento daña la adhesión de la capa, he seguido teniendo problemas con PETG incluso sin ventilador, independientemente de la temperatura. Fui a buscar consejos sobre el tema y encontré un video de CNC Kitchen que enfatizaba la importancia de ajustar la velocidad de extrusión debido a la compresibilidad del material en el engranaje de la extrusora. Ya había descubierto que esto era un gran problema con el TPU y otros filamentos flexibles, por lo que parecía convincente y, efectivamente, solo medí que una extrusión nominal de 180 mm solo movía el filamento en 173,5 mm.

está bien. Reducir la tasa de extrusión en aproximadamente un 3,5% es suficiente para que las impresiones se vuelvan quebradizas con PLA; he experimentado con esto antes solo para ver qué pasaba. Una calibración de extrusora más larga y precisa mostró más como un error del 4%. Después de corregir esto, las cosas mejoraron, pero todavía tenía una gran fragilidad en algunas partes de la impresión, pero no en otras.

Durante mucho tiempo, pude mitigar la mayor parte del problema restante con una velocidad reducida. Ya había reducido las velocidades de desplazamiento de 120 mm / sa 60 mm / s (mi velocidad de impresión normal) porque el PETG es pegajoso, un viaje rápido sobre él con la boquilla en contacto romperá la superficie ya impresa e inhibirá la adhesión de la siguiente. capa. (Esto parece ser un PETG suave que actúa como un fluido no newtoniano. Desactivar el peinado, que ya había hecho por otras razones con todos los materiales, probablemente también ayudó con esto). Después de reducir también la velocidad de impresión a 40 mm / s, las cosas parecía en su mayoría bien. Pero descubrí recientemente que todavía estaba teniendo una subextrusión localizada grave en forma de líneas enteras que casi faltan, especialmente después de retracciones complejas.

Rastreé este problema hasta una velocidad extrema de la extrusora y un tirón, lo que había permitido mitigar el costo de muchas retracciones y movimientos de la extrusora de avance lineal. El PLA y especialmente los materiales flexibles (donde esto es más importante) pueden manejar una velocidad de extrusión ridículamente alta (150 mm / s) y tirones (cambio de velocidad instantáneo de 25 mm / s), pero el PETG comienza a deslizarse rápidamente en el engranaje de la extrusora cuando lo hace, y lo que facilita "cerrar" varios mm de filamento cuando se desenrolla. Con esto fijo (vuelto a la velocidad predeterminada de 25 mm / sy un tirón de 5 mm / s de 10 mm / s parece funcionar bien también y funciona mucho mejor), finalmente tengo partes de PETG realmente fuertes, comparables al PLA.

En el proceso, también ajusté el factor K de avance lineal para PETG, lo que podría afectar la adhesión. Comencé con 2.0, que era demasiado alto, y bajé a 1.2, que era un poco demasiado bajo, alrededor de 1.4 parece ser ideal. Tener esto demasiado bajo podría reducir la adhesión de la capa justo después de la aceleración debido a la subextrusión localizada, tenerla demasiado alta podría reintroducir el deslizamiento del engranaje de la extrusora al poner el filamento bajo más presión de la que el engranaje puede sostener de manera confiable. (Si se necesita un valor más alto para obtener una extrusión consistente, esto significaría que también se necesitaría un límite en la velocidad, e ir a velocidades más altas requeriría una actualización de la extrusora. Como referencia, con un ancho de línea de 0.4 mm y una altura de capa de 0.2 mm, un valor K de 1.2 requiere que la extrusora pueda comprimir el filamento en aproximadamente 2.4 mm para imprimir a 60 mm / s.)

TLDR: Ventilador completamente apagado, ajustar la tasa de extrusión para tener en cuenta la compresión de PETG en el engranaje de la extrusora, evitar viajar sobre material ya impreso especialmente a altas velocidades (limitar la velocidad de desplazamiento a la velocidad de impresión) y mantenga conservadora la velocidad / aceleración / perfil de tirón de la extrusora.

Actualizar: Casi todos los problemas descritos en esta respuesta parecen provenir del extrusor abismalmente malo del Ender 3. Algunos probablemente se resbalen debido a un agarre realmente pobre del engranaje, otros pueden ser comunes a todas las extrusoras Bowden. Con la extrusora que estoy usando ahora (Flex3drive G5) en la misma impresora, puedo imprimir PETG a la misma velocidad o más rápido que PLA, sin problemas de extrusión inconsistentes o inconsistentes. El enfriamiento parece afectar la adhesión de la capa, pero principalmente en piezas muy delgadas (de una sola pared), de lo contrario, incluso con el ventilador encendido al 100%, obtengo una mejor adhesión de la que podría obtener de manera confiable con la extrusora original. Así que creo que el mayor problema fue la subextrusión, no el sobreenfriamiento.


Capas del océano

Los científicos han dividido el océano en cinco capas principales. Estas capas, conocidas como "zonas", se extienden desde la superficie hasta las profundidades más extremas donde la luz ya no puede penetrar. Estas zonas profundas son donde se pueden encontrar algunas de las criaturas más extrañas y fascinantes del mar. A medida que nos sumergimos más profundamente en estos lugares en gran parte inexplorados, la temperatura desciende y la presión aumenta a un ritmo asombroso. El siguiente diagrama enumera cada una de estas zonas en orden de profundidad.


Diagrama de las cinco capas del océano. © Mar y cielo

Zona epipelágica - La capa superficial del océano se conoce como zona epipelágica y se extiende desde la superficie hasta 200 metros (656 pies). También se conoce como la zona de la luz solar porque aquí es donde existe la mayor parte de la luz visible. Con la luz viene el calor. Este calor es responsable del amplio rango de temperaturas que se dan en esta zona.

Zona mesopelágica - Debajo de la zona epipelágica se encuentra la zona mesopelágica, que se extiende desde 200 metros (656 pies) hasta 1.000 metros (3.281 pies). La zona mesopelágica a veces se denomina zona crepuscular o zona media del agua. La luz que penetra a esta profundidad es extremadamente débil. Es en esta zona donde comenzamos a ver las luces parpadeantes de las criaturas bioluminiscentes. Aquí se puede encontrar una gran diversidad de peces extraños y extraños.

Zona bthipelagic - La siguiente capa se llama zona batipelágica. A veces se la denomina zona de medianoche o zona oscura. Esta zona se extiende desde los 1.000 metros (3.281 pies) hasta los 4.000 metros (13.124 pies). Aquí la única luz visible es la producida por las propias criaturas. La presión del agua a esta profundidad es inmensa, alcanzando las 5,850 libras por pulgada cuadrada. A pesar de la presión, aquí se puede encontrar una cantidad sorprendentemente grande de criaturas. Los cachalotes pueden sumergirse hasta este nivel en busca de alimento. La mayoría de los animales que viven a estas profundidades son de color negro o rojo debido a la falta de luz.

Zona abisopelágica - La siguiente capa se llama zona abisopelágica, también conocida como zona abisal o simplemente como abismo. Se extiende desde 4.000 metros (13.124 pies) hasta 6.000 metros (19.686 pies). El nombre proviene de una palabra griega que significa "sin fondo". La temperatura del agua está cerca del punto de congelación y no hay luz en absoluto. Se pueden encontrar muy pocas criaturas en estas abrumadoras profundidades. La mayoría de estos son invertebrados como estrellas de canasta y pequeños calamares. Tres cuartas partes del fondo del océano se encuentran dentro de esta zona. El pez más profundo jamás descubierto se encontró en la Fosa de Puerto Rico a una profundidad de 27,460 pies (8,372 metros).

Zona hadalpelágica - Más allá de la zona abisopelágica se encuentra la zona prohibida hadalpelágica. Esta capa se extiende desde los 6.000 metros (19.686 pies) hasta el fondo de las partes más profundas del océano. Estas áreas se encuentran principalmente en fosas y cañones de aguas profundas. El punto más profundo del océano se encuentra en la Fosa de las Marianas frente a la costa de Japón a 35.797 pies (10.911 metros). La temperatura del agua está justo por encima del punto de congelación y la presión es de unas increíbles ocho toneladas por pulgada cuadrada. Eso es aproximadamente el peso de 48 aviones Boeing 747. A pesar de la presión y la temperatura, todavía se puede encontrar vida aquí. Los invertebrados como las estrellas de mar y los gusanos tubulares pueden prosperar en estas profundidades.


El cuello de botella en una red neuronal es solo una capa con menos neuronas que la capa debajo o encima de ella. Tener una capa de este tipo anima a la red a comprimir las representaciones de entidades para que se ajusten mejor al espacio disponible, a fin de obtener la mejor pérdida durante el entrenamiento.

En una CNN (como la red Inception de Google), se agregan capas de cuello de botella para reducir la cantidad de mapas de características (también conocidos como "canales") en la red, que de otra manera tienden a aumentar en cada capa. Esto se logra utilizando convoluciones 1x1 con menos canales de salida que canales de entrada.

Por lo general, no calcula los pesos de las capas de cuello de botella directamente, el proceso de entrenamiento se encarga de eso, como para todos los demás pesos. Seleccionar un buen tamaño para una capa de cuello de botella es algo que debe adivinar y luego experimentar para encontrar arquitecturas de red que funcionen bien. The goal here is usually finding a network that generalises well to new images, and bottleneck layers help by reducing the number of parameters in the network whilst still allowing it to be deep and represent many feature maps.


Ver el vídeo: Exportar capas de un MXD Geodatabase de ArcGis y abrirlos en QGis