This manual explains how to use the eXtended Data Exchange (XDE). It provides basic documentation on setting up and using XDE. The Extended Data Exchange (XDE) module allows extending the scope of exchange by translating additional data attached to geometric BREP data, thereby improving the interoperability with external software.

2024年3月4日 · 文章讲述了如何使用XDE替代原始的STEPControl_Reader来读取STEP文件，并提取零件及其子图形的信息，包括名称和层级结构。 作者提供了从XCAFDoc_ShapeTool获取形状和子组件的示例代码。

XDE Logistics是中国领先的物流公司之一，提供快递服务覆盖全国各地。如果您正在等待一份重要的包裹，您可以通过跟踪系统轻松了解包裹的实时位置和状态。

XDE can read and write colors and layers assigned to shapes or their subparts (down to level of faces and edges) to and from both IGES and STEP formats. In an XDE document, colors are managed by the class XCAFDoc_ColorTool. It works basing on the same principles as ShapeTool works with Shapes.

With over 1000 vehicles in its fleet, XDE Logistics can provide first, mid and last mile road and multimodal freight nationwide from small parcels to a full truck load. With partnership with all major domestic airlines, XDEAirCargo is our mid mile air freight service to most major cities in …

2022年9月3日 · XDE 映射适用于高级级别的数据交换，而不是标准级别，因为更高级别的信息更适合更高质量的形状。 此外，这允许避免各种选项之间的多重组合。 请注意，这种选择不是一种架构，而是一种实际使用和包装。 XDE 的 Reader 和 Writer 类通常与 Shapes 的类一样使用。 但是，它们的使用适用于管理文档而不是形状。 还没有评论，来说两句吧... OpenCASCADE：使用扩展数据交换 XDE之保存视图 保存的视图 保存的视图 在 XDE 文档中，视图由 …

2006年3月1日 · Rational XDE for Java是一个非常强大的贯穿于整个软件开发生命周期的用于设计、编码、测试、团队沟通和构建文档的集成开发工具。 Rational XDE for Java 的诸多特性可以改进你的工作方式，它可以帮助你： 更有效的工作

2023年3月20日 · DeepXDE 是一个基于 Python 库开发的 PINN 框架，主要用于利用神经网络方法求解各种 微分方程 问题，是快速搭建物理信息神经网络的利器。 考虑到当前网络上对DeepXDE的代码讲解教程过少，毕竟没有形成诸如CNN，GAN那些主流 神经网络模型 的生态，官方文档也不是很完善，因此，在本系列博客将主要讲解 DeepXDE的代码，后边会包含在科研和大数据竞赛中的一些应用案例。 第一篇就还是从最简单的ODE方程求解案例开始。 y 1 ( 0 ) = 0 , y 2 ( 0 ) = …

OpenCASCADE是一个开源CAD核心库，具有高度模块化设计和广泛的应用范围，可以帮助我们快速高效地创建和编辑各种3D模型。 而扩展数据交换XDE则是OpenCASCADE的一个新特性，可以使得模型的描述更加灵活和完备。 本文将介绍如何使用OpenCASCADE和XDE对形状进行编辑。 首先，我们需要创建一个基本的形状，以便于后续的编辑。 下面是创建一个球形的代码片段： 接下来我们就可以使用XDE对这个球体进行编辑。 XDE的最大优势在于可以为模型添加自定义 …

2024年8月8日 · DeepXDE 项目的启动文件通常位于 examples/ 目录下，每个示例都有自己的启动文件。 以下是一个典型的启动文件示例： dy_xx = dde.grad.hessian(y, x) pde(x, y): 定义偏微分方程。 geom: 定义几何区域。 bc: 定义边界条件。 data: 创建数据集，包含 PDE、边界条件等。 net: 定义神经网络结构。 model: 创建模型并编译。 model.train(epochs=10000): 训练模型。 dde.saveplot(losshistory, train_state, issave=True, isplot=True): 保存和可视化训练结果。 …