使用plot manager 可以画出二维线图
包括但不限于各种残差（残差图其实就藏在这里），某一点的压力、温度值随时间的变化（相当于fluent或mfix里的probe探针), 还有气体通过某一平面（Flux Plane）的各组分质量分数、质量流量等。

今天先开个头、

残差图

点击plot manager
在这里插入图片描述
点add plot
然后填好各种标题（subtitle非必须）
name是该图在barracuda里面的一个名称，类似给BC起名字，比如我们给residual
title就是显示在图里的 我们也给residual
在这里插入图片描述
点击Browse
然后选择history.log（残差其实就记录在这个文件里，并且实时更新）
在这里插入图片描述

点击preview
会预览history.log文件里面的内容

默认是只显示表头几行
如果点show entire file会把后面的行数，也就是数据，也显示出来

我们观察发现第14列代表p erro， 也就是压力残差
在这里插入图片描述
于是就在Y处填写14，X处仍为1代表时间，还可以给个线的名字 p erro(可以在同一个图上画多条线）
在这里插入图片描述
点击plot之后就可以看到压力残差图了
在这里插入图片描述

还可以同时画出焓值和横向速度的残差，点击add
然后故技重施就行
在这里插入图片描述

画出来效果如图（有反应的流动能量残差的波动确实很大）
在这里插入图片描述

Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

实战案例：AI架构师用这3个方法，把图像分割系统速度提升2倍！

医疗影像诊断需要实时分割肝脏病灶，自动驾驶需要实时分割道路目标，工业质检需要实时分割缺陷区域——图像分割的“实时性”早已不是可选需求，而是刚需。但现实中，很多分割模型陷入“精度高=速度慢”的困境：比如用ResNet50作为backbone的U-Net，推理时间往往超过100ms，无法满足每秒20帧（20 FPS）的实时要求。作为AI架构师，我曾遇到过这样的瓶颈。本文将分享3个实战优化方法，通过模型

avatar 2048 AI社区

​9B参数如何吊打72B模型？GLM-4.1V-Thinking“小模型大智慧”技术拆解与实战应用

​在AI大模型的“参数竞赛”中，一个颠覆认知的现象正在发生——智谱AI最新开源的​（以下简称“GLM-4.1V-Thinking”），以，在28项权威评测中。这不仅打破了“参数越大性能越强”的固有认知，更通过，重新定义了多模态模型的效率天花板。更惊喜的是，​。

avatar 2048 AI社区

CLIP 完全上手指南：从安装、下载加速、文本/图像编码到图文匹配，一篇全搞定！

CLIP（Contrastive Language–Image Pretraining）是 OpenAI 在 2021 年发布的“图文理解之王”。它不生成图像，而是把图像和文本映射到同一个语义空间输入文字 → 找最匹配的图片输入图片 → 找最匹配的文字计算图文相似度做 zero-shot 图像分类（不用训练！它让 AI 同时“看懂图”和“读懂文”，还能让它们对话！方法输入是否自动 tokenize

avatar 2048 AI社区