《CATIA V5 从入门到精通(第二版)》——1.4 CATIA V5R20用户环境配置

简介:

本节书摘来自异步社区《CATIA V5 从入门到精通(第二版)》一书中的第1章,第1.4节,作者: 高飞 , 李昕 更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.4 CATIA V5R20用户环境配置

CATIA V5 从入门到精通(第二版)
1.4.1 设置CATIA V5R20的工作环境
设置CATIA 的工作环境,可以选择开始菜单→CATIA→Tools→Environment Editor,进入CATIA 环境编辑器,如图1-46所示。


95cf92d3f3710dc260f1d2526df7c41fe4122c02

1.4.2 自定义CATIA V5R20工具栏
在工具栏中右键单击,选择Customize进入CATIA 工具栏设置对话框,如图1-47所示。


baa1302161a24f26b357deb5ca88c99f1370dbed

切换到Toolbars页面,从中可以对系统自带的工具条进行命令的添加、删除操作,还可以新建工具条,单击图1-47所示对话框中New 按钮出现New Toolbar 对话框,用来创建新的工具条,如图1-48所示。可以完全新建一个空的工具,或者在已有工具条基础上新建,在对话框左侧Workbenches列表中选择工作环境,在右侧Toolbars 将显示该工作环境中的工具条,选择工具条将在此工具条基础上进行新建。

输入新建工具条名称,单击OK按钮,确认并关闭New Toolbar 对话框,在Customize 对话框列表中将出现新建工具条,从列表中选中新建的工具条,单击对话框中Add Commands按钮,给新建工具条添加命令,新添加的命令图标将会出现在新建的工具条中,如图1-49所示。


<a href=https://yqfile.alicdn.com/8948a0b8e05ab1e6c0245ba9928adfcb6d37a524.png" >

● 可参考光盘Chapter 1 文件夹中视屏文件-创建自定义工具条.avi。

1.4.3 个性化设置
CATIA 软件个性化设置包括自定义工作台、将常用模块添加到CATIA开始菜单、设置图标大小、工作语言、背景颜色等内容。

1.自定义工作台
在工具栏上右键选择Customize,打开Customize 对话框,在User Workbenches 页面中,单击New 按钮可新建工作环境,如图1-50所示。

输入新工作环境的名称之后单击OK按钮即可完成新工作环境的创建,如图1-51所示,在开始菜单中将添加新环境入口。

新建的环境只包含最基本的工具条,利用前一节介绍的自定义工具条创建方法可以创建出自定义的工具条。


f03e81007ed4d414714ef6dee425a64737263880

2.在CATIA 开始菜单中添加快速启动条目
将图1-50所示对话框切换到Start Menu页面,在左侧列表中选择需要添加的工作环境,单击中间箭头按钮,移动到右侧列表中可将该工作环境添加的CATIA 开始菜单,如图1-52所示。在下方的Accelerator编辑框中可设置快捷按钮。


605ef83a0ea6f8a58f3e5056fe97c181d4f8276c

3.进行参数设置
将图1-52所示对话框切换到Options 页面,如图1-53所示,在该页面可对工具图标的大小、是否显示提示语,工作语言等参数进行设置。


a25cb318cfc9e15ecb724951b0d3cd3a0f4473bc


<a href=https://yqfile.alicdn.com/85e567edec39d5153a8560fb470aaeade0f59423.png" >

除了在Customize对话框中对操作环境可进行个性化设置,还可以选择Tools→Option打开Options对话框,可以对CATIA 的全局性参数进行设置,比如设置工作背景颜色、线形等诸多参数。

相关文章
|
机器学习/深度学习 算法 PyTorch
动物姿态识别+数据集+代码
动物姿态识别+数据集+代码
|
8月前
|
人工智能 测试技术 芯片
AMD Ryzen AI Max+ 395四机并联:大语言模型集群推理深度测试
本文介绍了使用四块Framework主板构建AI推理集群的过程,并基于AMD Ryzen AI Max+ 395处理器进行大语言模型推理性能测试,重点评估其并行推理能力及集群表现。
760 0
AMD Ryzen AI Max+ 395四机并联:大语言模型集群推理深度测试
|
Java 开发工具
Mac 终端定制(iTerm2 + oh-my-zsh + Powerline + solarized + agnoster)
Mac 终端定制(iTerm2 + oh-my-zsh + Powerline + solarized + agnoster)
531 0
Mac 终端定制(iTerm2 + oh-my-zsh + Powerline + solarized + agnoster)
|
人工智能 自然语言处理 监控
阿里云ModelScope平台的综合测评
ModelScope是阿里云推出的AI模型全生命周期管理平台,涵盖模型开发、训练、部署及评测全流程。其核心功能包括预训练模型库、一键式训练与部署、模型版本管理等。中文竞技场作为子平台,专注于模型性能对比与多场景任务评测,在写作创作、代码开发支持和知识问答等方面表现出色。然而,平台在模型泛化能力、高并发性能和内容质量控制上仍有改进空间。总体而言,ModelScope为开发者提供了高效便捷的工具,未来有望进一步推动AI技术普惠化。
1334 10
|
人工智能 关系型数据库 数据库
VMware Aria Automation 8.18.1 新增功能简介
VMware Aria Automation 8.18.1 - 多云基础架构自动化平台
222 12
VMware Aria Automation 8.18.1 新增功能简介
|
编解码 人工智能 安全
阿里云首批卓越级通过中国信通院超低延时直播性能分级评估
近期举办的2024“可信云大会”上,中国信通院正式发布了2024年上半年音视频领域最新评估结果。阿里云超低延时直播,以首批卓越级,通过中国信通院超低延时直播性能及服务质量分级测试。
426 11
阿里云首批卓越级通过中国信通院超低延时直播性能分级评估
|
机器学习/深度学习 监控 数据可视化
深度学习中实验、观察与思考的方法与技巧
在深度学习中,实验、观察与思考是理解和改进模型性能的关键环节。
429 5
|
JavaScript 网络安全 iOS开发
如何用 Electron 打包chatgpt-plus.top并生成mac客户端
如何用 Electron 打包chatgpt-plus.top并生成mac客户端
446 0
|
机器学习/深度学习 API 计算机视觉
4.2 图像分类基本概念和ResNet设计思想
这篇文章介绍了图像分类的基本概念,详细阐述了ResNet(残差网络)的设计思想和实现方法,包括残差单元的结构设计、整体网络结构以及如何使用飞桨框架的高层API快速构建和训练图像分类模型。

热门文章

最新文章