從事硬體工作，對於貼片**少不了，對於怎麼樣計算價錢，數量與價錢的關係是怎麼樣的，很多時候讓人困惑，有時就只能任人宰割了。於是我說下我們該怎樣去**，以至於讓公司不虧太多。
首先是統計自己貼片檔案和bom資料，可以使用常規公司的**計算軟體，這個可以在網上搜，常規少量價錢可以使用，量多得單獨**。其中幾個關鍵引數是貼片焊盤數，外掛程式焊盤數，元器件數量，電路板數量，工藝要求（有鉛還是無鉛）。下面我以allegro環境下舉例說明下。
a、開啟allegro環境下的圖紙，toos--reports--summary drawing reports
b，雙擊上圖紅色框內的，然後report，出現下圖。
c、可以看到我們的圖紙中總共有291個元件，總pin數為863
d、有時並不是所有的都貼片，如實際上我這塊板卡只需要貼片250個，那麼pins肯定是要少於863了，所以，我們可以大致估算，pin數，按最常規的乙個電阻來估算，如乙個元件兩個pin，那麼就有41*2=82個pin是不用貼的，所以參考計算的兩個引數就是元件數250個，pin數781個了。
e、開啟計價軟體，計算得價錢為580元。和我們實際的**相當，不太離譜。當然可以選擇無鉛，價錢就再貴80左右了。
當然上面所有的都是基於小批量的，對於大批量的，價錢就會便宜很多了。
palo小批量匯入
palo小批量匯入可以通過mysql client連線palo後，通過help mini load來檢視 主要有如下幾種方式 1 將本地檔案 testdata 中的資料匯入到資料庫 testdb 中 testtbl 的表 使用者是de t cluster中的 2 將本地檔案 testdata 中的資...
小批量梯度下降演算法 python
coding utf 8 created on tue mar 13 20 49 03 2018 author import numpy as np from scipy import stats import matplotlib.pyplot as plt 產生訓練資料，生成模型為2 x 5 r...
Tensorflow tf1簡單實現小批量梯度下降
tensorflow 程式通常分為兩部分 第一部分構建計算圖譜 這稱為構造階段 第二部分執行它 這是執行階段 建設階段通常構建乙個表示ml模型的計算圖譜，然後對其進行訓練計算。執行 階段通常執行迴圈，重複地求出訓練步驟，逐漸改進模型引數 載入包 import numpy as np from skl...