盘锦45号钢板是钢的牌号是一种优质碳素结构钢，对应日标S45C, 美标: 1045，德标 C45。其特征是相比普通A3钢，具有更高的强度，抗变形能力。
其化学成分元素比例(%)：碳C:0.42～0.50；铬Cr：≤0.25；锰Mn：0.50～0.80；镍Ni：≤0.25；磷P：≤0.035；硫S：≤0.035；硅Si：0.17～0.37

45号钢是中碳结构钢，冷热加工性能都不错，机械性能较好，且价格低、来源广，所以应用广泛。它的大弱点是淬透性低，截面尺寸大和要求比较高的工件不宜采用。

盘锦45号钢板淬火温度在A3+(30~50) ℃，在实际操作中，一般是取上限的。偏高的淬火温度可以使工件加热速度加快，表面氧化减少，且能提高工效。为使工件的奥氏体均匀化，就需要足够的保温时间。如果实际装炉量大，就需适当延长保温时间。不然，可能会出现因加热不均匀造成硬度不足的现象。但保温时间过长，也会也出现晶粒粗大，氧化脱碳严重的弊病，影响淬火质量。我们认为，如装炉量大于工艺文件的规定，加热保温时间需延长1/5。

　5月18日消息，印度外卖Swiggy当天表示，将削减1100个岗位，以及部分邻近业务，以降低成本支出。

　　Swiggy联合创始人兼执行官Sriharsha Majety在内部邮件中表示，公司核心的送餐业务受到了疫情的“严重影响”，民众在疫情期间对线上点餐变得更为谨慎。

　　因此，未来几天，Swiggy将在“各地及总部的各级别和部门中”裁员1100人。公司将为受影响的员工发放3个月的工资，根据员工在公司工作的不同年限，将按照每满一年支付一个月工资的标准，发放补偿金。此外，公司还将为其提供社会保障福利至年底。

　　上月，Swiggy才刚刚从腾讯、三星创投等投资方处获得了4300 万美元的I 轮融资。今年2月底，Swiggy还以36 亿美元的估值，获得一笔由 Prosus 领投、美团点评参投的 1.13 亿美元 I 轮融资。

　　目前，该公司获得了共计 1.56 亿美元的 I 轮融资，其融资总额已超过 16 亿美元。

据外媒报道，日前，Waymo发布了人工智能模型VectorNet，据称能显著提高其无人驾驶系统预测行人、骑行者和驾驶员行为的能力。与以前的方法相比，VectorNet可提供更精确的投影，同时需要更少的计算资源。

　　自动驾驶汽车必须在没有人类监督的情况下在充满挑战的环境中行驶，因此预测道路使用者的未来位置至关重要，否则，车辆无法正确应对各种环境。VectorNet旨在通过构建模型，对地图信息进行编码，从而帮助预测道路使用者的移动。与Cruise和Aurora一样，Waymo也会收集自动驾驶汽车行驶区域的精确到厘米的高清地图。这些地图与传感器数据配对，可为Waymo全栈无人驾驶系统Waymo Driver提供情境。但是这些地图只有被渲染成图像，并利用场景信息(如交通灯、车道等)编码后，才能集成到预测模型中。与需要计算昂贵进行地图像素渲染的卷积神经网络不同，VectorNet以矢量的形式(以数学方程为基础，由点、线和曲线组成的示意图)提取地图和传感器输入信息。

　　Waymo使用矢量，如点、多边形和曲线，来表示道路特征。具体而言，车道边界包含多个点，形成一个样条线(即曲线叠加在一起形成更长的连续曲线)。人行横道是由至少两个点组成的多边形，停车标志则由一个点表示。这些地理实体可以通过由点及其属性组成的折线(连接的线段)来近似表示，而移动的道路使用者可以根据其运动轨迹折线来估算。

　　图神经网络直接在图形或由节点和边缘组成的数学对象上运行。而在分层神经网络VectorNet中，每个矢量都被当作一个节点，地图数据以及道路使用者的轨迹将被传递给网络中的目标节点。与目标道路使用者对应的特定输出节点用于解码运动轨迹。

　　VectorNet首先获取折线级别的信息，然后将其传递给图形，以建模折线之间的高阶交互。VectorNet计算物体的未来轨迹，并捕捉矢量之间的关系，比如当车辆驶入十字路口或行人接近人行横道时，从而更好地预测道路使用者的行为。

　　为了进一步提升VectorNet的预测能力，Waymo训练系统从情境线索中学习，从而推断车辆附近可能发生的事情。在训练时，该公司研究人员随机遮挡地图的特征，例如十字路口的停车标志，并要求VectorNet完成丢失的元素。在将VectorNet用于Waymo的数据集和Argo AI的Argoverse的验证测试中，与卷积神经网络ResNet-18相比，其性能高出18%，同时平均仅使用29%的参数(变量)，消耗20%的计算资源。