企业官网建设流程全解析

简介：这份 PPT 模板面向撰写 AI 论文、毕业设计与技术报告的学生和研究者，围绕神经网络模型制图场景，提供可直接编辑的 ML Visuals 图示素材，用于快速搭建清晰、规范的模型结构图，减少从零绘制框图的时间。压缩包共 1 个 pptx 文件，大小约 4.47MB，内含 Softmax、卷积、Transformer 编码器/解码器、位置编码、多头注意力、前馈网络、Add & Norm、输入输出嵌入以及基础神经网络层等常用模块，并配有简洁的抽象背景，便于按论文版式自由组合、改色和调整字体。已有 856 人学习下载，适合需要统一图表风格、提升示意图可读性的论文写作与答辩汇报场景。借助现成组件，读者可较快复现注意力机制、卷积运算和多层网络结构，也能在模板基础上二次绘制自己的模型流程，兼顾效率与美观。

1. 从一张被批注打回的架构图说起：ML Visuals 值不值得存

投稿前一晚，导师在批注里只留了一句话：这张神经网络画图放大就糊，重画。打开原文件才发现，那张架构图是从别人 PPT 里截屏再贴进画布的位图，换个字号都能看到锯齿。改图改到凌晨三点，最后救命的是一套叫 ML Visuals 的神经网络画图 PPT 模板——它把 Transformer、CNN、全连接网络这些高频示意图拆成了可以拖拽、可以解组的矢量形状，改完文字依旧锐利。这套资源适合三类人：赶论文、赶毕设、赶答辩幻灯，需要在两小时内产出一张能放进 PDF 的模型结构图的开发者；不想为了画一张图去学 Visio 或 TikZ 的人；以及想把配色和标注体系统一起来的课题组。它不解决"图画得对不对"，只解决"图画得快不快、清不清楚"。

2. 资源盘点：模板里到底装了哪几类图

拿到压缩包先别急着双击第一个文件，花十分钟把内容过一遍，后面改图能省掉一半返工。这套素材的组织逻辑不是按论文分的，而是按"图的抽象层级"分的：最底下是可复用的算子形状（箭头、方块、圆圈、求和符号），中间是结构片段（一层卷积、一个注意力头、一段残差连接），最上面才是整张成图（编码器-解码器、多层感知机、分词流程）。理解了这个三层结构，你才知道该从哪一层下手改。

2.1 三层结构：算子层、结构层、整图层

算子层是散落的形状集合，包含箭头、圆角矩形、椭圆、大括号、加号圆圈、虚线框这些基础图形，还有 Softmax、Convolve、Sharpen、ReLU、Add & Norm、Linear 这类带文字的运算块。这一层的价值在于统一：所有圆角矩形的圆角半径、所有箭头的粗细、所有方块的描边宽度都是同一套参数，你自己从零画十个方块，十个圆角半径能画出十种。

结构层是把算子拼成有语义的片段。比如卷积那段，会看到NxNx3 + b1 + b2的输入标注、MxM的特征图、ReLU激活块、以及表示通道数变化的堆叠矩形；Transformer 那段则是Multi-Head Attention、Masked Multi-Head Attention、Add & Norm、Feed Forward、Positional Encoding、Input Embedding、Output Embedding、Linear、Softmax这些模块按照编码器-解码器拓扑连好线，连线已经避开了交叉。

整图层是拿来即用的成图，比如完整的多头注意力流程图、带X = A[0]、A[1]、a[4]、Ŷ标注的输入层-隐藏层-输出层示意图、Tokenize把 "I love coding and writing" 切成词元的示意、以及一批Abstract backgrounds抽象背景图，后者适合做海报底图或汇报封面。

提示：先打开整图层挑一张最接近你模型拓扑的当底稿，再去结构层搬零件替换，比从白纸开始拼快得多。

2.2 目录与文件命名：靠文件名判断该不该打开

模板类资源的通病是文件名起得随意，翻起来像开盲盒。实际拿到的素材通常按"主题 + 序号"命名，同一主题下会有_simple、_full、_dark之类的后缀区分繁简和配色。养成一个习惯：先在文件管理器里切到大图标预览模式，把整页缩略图扫一遍，记下三个编号——最接近你模型的、配色最深适合做封面的、留白最多适合塞公式的。这三个编号写进你的笔记，后面就不用反复翻了。

如果文件名确实没有规律，用一条命令把每页导出成缩略图，按图挑比按名猜靠谱。这一步在第 3 章会给出可执行的做法。

2.3 组件清单与适用场景对照

下面这张表是我按用途重新归类的，不是原始文件顺序。左边是图元或图组，右边是它通常出现在论文的哪个位置，以及改起来的工作量评估。

表里"改动工作量"这一列是血泪经验：看着最唬人的 Transformer 全图其实好改，因为它的骨架是对的，你只是换标注；反倒是那些看起来简单的卷积尺寸图，一旦你改了通道数，NxNx3 + b1 + b2里的每个数字都得跟着重算，漏一个就被审稿人抓出来。

3. 上手路径：两小时内产出一张能进 PDF 的图

这一章按真实操作顺序走：选工具、开文件、改内容、导矢量、插进排版软件。每一步都给出可执行的命令或参数，不写"根据实际情况调整"这种废话。

3.1 工具链选择：Office、WPS、Keynote、LibreOffice 的差异

模板的原始格式是 pptx，理论上四大件都能开，但改图体验差得很远。桌面版 PowerPoint 对形状的解组、对齐、布尔运算支持最完整，是首选。WPS 打开基本正常，少数渐变填充和阴影会走样，如果你只用纯色块，问题不大。Keynote 导入 pptx 时会做一次格式转换，圆角矩形可能变成直角，箭头端点样式也会变，导回 pptx 就更乱，建议只在最终定稿后用它做美化。LibreOffice 是最适合脚本化的选择，soffice --headless可以无界面批量转换，但它的渲染和 PowerPoint 有几像素差异，用来做批量导出没问题，用来精修不行。

我一般的工作流是：PowerPoint 里改内容，LibreOffice 命令行做批量导出，LaTeX 里插图。这样改和导分离，改的时候不卡，导的时候不用开图形界面。

安装 LibreOffice 后确认命令行可用：

# 确认 soffice 在 PATH 里，能打印版本即可 soffice --version # 批量把目录下所有 pptx 转成 pdf，输出到 dist 目录 mkdir -p dist for f in *.pptx; do soffice --headless --convert-to pdf --outdir ./dist "$f" done

第一行只是探路，能打印出版本号说明环境没问题。循环里每个文件独立转换，--outdir指定输出目录，注意 LibreOffice 遇到同名文件会直接覆盖，不会问你。这一步的意义在于：所有 pptx 一次性变成 pdf，你在 LaTeX 或 Word 里插图时引 pdf 而不是引 png，矢量信息就不会丢。

3.2 第一次改图：复制页面、解组、替换文字

打开文件后的第一个动作不是改，是复制。整页右键"复制幻灯片"，在副本上动手，原件留着当参照。副本里选中目标图组，右键"组合 → 取消组合"，可能要按两三次才能拆到底层，因为模板作者常常嵌套组合。

拆开后你会发现两类东西必须区别对待：纯形状（矩形、箭头、圆）和文本框。纯形状随便拖，文本框要小心——很多模板为了排版精确，关掉了"形状随文字调整大小"，你输入更长的词，文字会溢出框外而不是把框撑大。解决办法是选中文本框，右键"设置形状格式 → 文本选项 → 文本框"，勾上"根据文字调整形状大小"，再取消"形状中的文字自动换行"以外的固定行距。

替换文字时顺手做一件事：把你模型的真实维度写进去。NxNx3改成你的K×K×C，MxM改成H×W，隐藏层节点数n改成你实际的宽度。这一步做完，图就从"别人的示意图"变成"你的模型的示意图"了，审稿人一眼能看出你确实在描述自己的工作。

字体统一是第二个动作。模板里可能混着两三种西文字体，中文环境下还会被替换成宋体，看起来像盗版书插图。全选整页，把西文统一成一种无衬线字体（Arial、Helvetica、思源黑体的西文部分都行），中文统一成思源黑体或等线，字号按第 4 章给的规范重设一遍。

3.3 用 python-pptx 批量替换标签和配色

一张图手工改十分钟能接受，十张图就是两小时。凡是重复性替换，交给脚本。python-pptx能读写 pptx 里的形状树，适合做三件事：批量替换文字、批量改字号、批量改填充色。

先装库：

pip install python-pptx

然后是替换脚本。注意这里逐 run 改，而不是直接给text_frame.text赋值，因为后者会把整段的字体、字号、颜色全部冲掉，改完你还得重新设一遍格式。

from pptx import Presentation # 左边是模板里的占位标注，右边换成自己模型的真实维度 REPLACE = { "NxNx3": "K×K×C", # 卷积核尺寸 × 输入通道 "MxM": "H×W", # 输出特征图空间尺寸 "X2": "H/2×W/2", # 池化后的尺寸 "1": "d_k", # 注意力头维度，按实际改 } prs = Presentation("ml-visuals.pptx") hit = 0 for idx, slide in enumerate(prs.slides, start=1): for shape in slide.shapes: if not shape.has_text_frame: continue for para in shape.text_frame.paragraphs: for run in para.runs: key = run.text.strip() if key in REPLACE: run.text = REPLACE[key] # 只换字符，格式原样保留 hit += 1 print(f"slide {idx}: {key} -> {REPLACE[key]}") prs.save("ml-visuals-edited.pptx") print(f"共替换 {hit} 处")

Presentation()读入文件，slides是可迭代的页集合，shapes遍历每页的顶层形状，注意嵌套组合里的形状默认拿不到，要到组里递归，这个脚本故意只处理顶层，避免误伤零件层。paragraphs和runs两层是为了保住格式：一个段落里如果"NxNx3"和"+ b1"字号不同，它们就是不同的 run，整段赋值会抹平差异。run.text.strip()先去掉首尾空格再匹配，因为模板作者常常在标注两边留空格。替换计数用来确认图纸里到底有没有这个标注，输出 0 就说明你写的键和实际文本不一致，去图上点一下看看真实字符。

改完内容再改配色，把模板的蓝色系换成你课题组的色系：

from pptx import Presentation from pptx.dml.color import RGBColor # 统一的三色方案：主色、辅色、强调色 PALETTE = { "主色": RGBColor(0x1F, 0x4E, 0x79), "辅色": RGBColor(0x2E, 0x86, 0xAB), "强调": RGBColor(0xE1, 0x8A, 0x1B), } prs = Presentation("ml-visuals-edited.pptx") for slide in prs.slides: for shape in slide.shapes: if not shape.has_text_frame: continue for para in shape.text_frame.paragraphs: for run in para.runs: if run.text.strip() in PALETTE: run.font.color.rgb = PALETTE[run.text.strip()] prs.save("ml-visuals-final.pptx")

这个脚本把"文字内容恰好是颜色名"的 run 染成对应颜色，属于最粗暴但也最省事的做法：你在图上把想标色的块临时写成"主色"，跑一遍脚本，再把文字改回实际内容。更正规的做法是按形状索引染色，但不同模板的形状顺序不一致，脚本会失效，所以实际项目里我宁愿多一步手工。

3.4 导出矢量图与 LaTeX 插图参数

图改完，导出这一步决定它在 PDF 里糊不糊。永远不要截屏，永远不要导 png 再放大。正确路径是 pptx → pdf → 按需裁切成单页，或者 pdf → svg。

# 第一步：pptx 转 pdf，矢量信息保留 soffice --headless --convert-to pdf --outdir ./dist ./ml-visuals-final.pptx # 第二步：pdf 每页导出一个 svg，方便只挑需要的那页 pdftocairo -svg dist/ml-visuals-final.pdf dist/page # 第三部：如果期刊要求单张图，把某一页单独抽成 pdf pdftocairo -pdf -f 3 -l 3 dist/ml-visuals-final.pdf dist/fig3.pdf

pdftocairo -svg会在dist/下生成page-1.svg、page-2.svg，编号对应幻灯片页码。-f 3 -l 3表示只抽第 3 页，转成单页 pdf。之所以要抽单页，是因为很多排版软件插整份 pdf 时会默认插第一页，你明明改的是第 7 页，插进去是封面，这种翻车我见过不止一次。

LaTeX 里插图时，直接引 pdf 并做裁剪，比先裁图再插灵活：

% 导言区 \usepackage{graphicx} % 正文 \begin{figure*}[t] % 双栏模板跨栏用 figure* \centering % page=3 取第 3 页；trim 顺序是 左 下 右 上，单位 cm \includegraphics[page=3, trim=2cm 6cm 2cm 2cm, clip, width=\textwidth] {figs/vis.pdf} \caption{整体模型结构。} \label{fig:overall} \end{figure*}

page=3指定页码，trim=左 下 右 上按厘米裁掉四周空白，clip必须加，否则裁剪参数不生效。width=\textwidth让图撑满栏宽，双栏模板里跨栏图用figure*，单栏图用figure。这套参数组合能保证导出的是原生矢量文字，放大到 A0 打印也不虚。

4. 核心组件拆解：那几张图为什么能直接用

模板的价值不在于图多，在于它的骨架符合学术表达的惯例。这一章拆四类高频图，讲清每类图的标注规则和常见改法。

4.1 Transformer 图：一套形状复用出的编码器-解码器

完整的 Transformer 图看着最复杂，其实是所有图里最规整的。左半边是编码器栈：Input Embedding→Positional Encoding→ 若干个Multi-Head Attention+Add & Norm+Feed Forward+Add & Norm的重复单元；右半边是解码器栈：Output Embedding、Positional Encoding、Masked Multi-Head Attention、Add & Norm、Multi-Head Attention、Add & Norm、Feed Forward、Add & Norm，最后接Linear和Softmax。中间那条从编码器顶端连到解码器多头注意力的跨层连线，是整张图的视觉焦点。

模板里用的是Nx表示堆叠次数。改成你自己的层数时，有两个做法：把Nx换成具体数字（比如6x），或者保留Nx然后在图注里写"编码器与解码器各 6 层"。前者直观但一旦改层数就得重画，后者稳妥但需要图注配合。我一般选后者，因为投稿过程中层数调整的概率不低。

Outputs (shifted right)这个标注经常被忽略，它是自回归解码的关键——解码器第 t 步的输入是第 t-1 步的输出右移一位。如果你的方法不做自回归（比如用非自回归解码或掩码策略变了），这个标注必须改，否则读者会按标准 Transformer 理解你的数据流，然后发现对不上。

Masked Multi-Head Attention和普通的Multi-Head Attention是两个不同模块，模板里给了两套独立形状，不要为了省事复制同一个再改字，因为掩码图里通常会多画一个斜三角的掩码示意，两者视觉语言不一样。

4.2 卷积与 ReLU：尺寸标注怎么算才不挨骂

卷积段是模板里最容易出错的部分，因为它带数字。NxNx3 + b1 + b2描述的是输入张量的形状加偏置，MxM描述输出特征图空间尺寸，ReLU标激活，堆叠的矩形表示通道数。这里的每个字母都对应一个真实维度，改一个就得全改。

以常见的3x3卷积、same填充为例，输入HxWxC_in，输出HxWxC_out，卷积核参数量是3*3*C_in*C_out，加偏置就是+ C_out。如果模板写的是NxNx3，那它是把核尺寸写成 N、输入通道写成 3 的特例。你的通道数不是 3 的时候，这个 3 必须换，否则读者会以为你只处理 RGB 图像。

MxM只在padding=1, stride=1的3x3卷积下成立，输入MxM输出还是MxM。如果你用stride=2，输出就是(M-1)/2+1向下取整，图上必须体现这个变化，否则尺寸对不上。模板里给的X2标记就是用来表示二倍下采样的，位置在下采样箭头旁边。

还有一个隐性坑：多个卷积层堆叠时，模板会画三个CONV operation块，每块下面标ReLU。如果你的网络用了 BatchNorm，CONV → BN → ReLU是三段而不是两段，要么在图上补 BN 块，要么在图注里说明"省略 BN"。别让读者自己去猜。

4.3 全连接与分词示例：上下标和例句的排版

全连接那张图用的是X = A[0]、A[1]、A[2]、A[3]、A[4]描述层间激活，a[1]1、a[1]2一直到a[1]n描述单层节点，最后Ŷ是输出。这套记号是深度学习的通用写法，照抄没问题，但排版上有个细节：方括号里的层号和右下角的节点号必须用真正的上下标。很多人直接在文本框里打字，a[1]1看起来像数组下标，读起来很累。

PowerPoint 里做上下标最省事的办法是插入公式对象（Alt + =），在公式里输入a_{1}^{(1)}这种 LaTeX 风格语法，回车后会自动排版。改的时候要注意公式对象的字号是独立的，和周围文本不一致，需要手动对齐。整张图里有十几个这样的符号，一次性全换成公式对象，图的专业度能上一个台阶。

分词示例那张图用 "I love coding and writing" 演示切成词元。这张图的好处是句子短、切分点清晰，坏处是所有人都用它，答辩时一眼就能看出是模板。换成你自己语料里的一句真实样例，比如带专有名词或数字的句子，反而更能说明你的分词器处理边界情况的能力。换句子时注意保持切分块数量不要超过原图，块太多会把整行撑爆。

Input Layer、Hidden Layers、Output Layer这三条横向分隔线是全连接图的地基，它们的位置决定了整张图的层级感。改节点数的时候，先定层数再定每层节点数，最后调分隔线位置，顺序反了会改到崩溃。

4.4 配色、字号、线宽：一套写死的参数

模板自带的配色偏学术蓝，能用但不一定匹配你的论文模板。统一成一套自己的参数，比每次凭感觉调快得多。下面这组数是我用下来最省事的：

字号那两行是硬约束：图在 PowerPoint 里是 10pt，缩到双栏论文的单栏宽度（约 8.5cm）后实际印出来大概是 7 到 8pt，正好是期刊允许的下限。你如果按 16:9 的整页去调字号，缩到单栏会小到看不清。反过来，如果图是跨栏的大图，字号可以到 12pt，缩下来还有 9pt 左右。

强调色只允许出现一次。一张图里如果三个模块都是橙色，观众就不知道该看哪。选那个你论文的贡献点，其余全用主辅色。

5. 避坑与排查：改图改到崩溃的五个现场

这一章全是踩出来的。每条按"现象 → 原因 → 解决"写，对号入座能省下大半夜。

5.1 排版与显示类问题

现象一：改完文字，字被裁掉一半，框还是原来那么大。

原因是模板作者关掉了"根据文字调整形状大小"，文本框高度是固定值。你输入更长的词，行数变多但框不涨，下面几行直接溢出。解决方式是选中文本框，右键进"设置形状格式"，在"文本选项 → 文本框"里勾上"根据文字调整形状大小"。批量处理的话，可以在 python-pptx 里设text_frame.word_wrap = True配合auto_size，但注意auto_size只在支持该属性的渲染器里生效，PowerPoint 里保存后再导出最保险。

现象二：在自己电脑上字体正常，发给导师变成宋体，数字和字母挤在一起。

原因是模板用了本机安装的商业字体，对方的机器没有，系统自动回退到默认中文字体。解决方式有两个：一是全篇换成思源黑体、Noto Sans、Arial 这类跨平台通用的字体，二是在 PowerPoint 里"另存为"时勾选嵌入字体，但嵌入会让文件变大，而且部分字体授权不允许嵌入。我一般选第一种，改图第一件事就是全选统一字体，养成习惯以后不再犯。

现象三：图放进双栏论文后，线条细到看不见，箭头断成一节一节。

原因是整张图是按 16:9 幻灯片尺寸画的，线条按屏幕观感设了 0.5pt，缩到单栏宽 8.5cm 后只剩 0.2pt 左右，印刷出来就断了。解决办法是在导出前把线宽统一提到 0.75 到 1pt，箭头用实心三角而不是细线箭头。判断标准很简单：把图缩到最终的栏宽，在屏幕上 100% 显示，如果还能清楚看到线条，印刷就没问题。

5.2 导出与脚本类问题

现象四：用 python-pptx 改完保存，PowerPoint 打开提示文件需要修复。

原因通常是脚本动了形状树的结构，比如直接删了shape或者给text_frame塞了不合法内容。python-pptx对树结构的修改比较脆弱，删形状后如果还有关系引用指向它，文件就会报损坏。最安全的原则是：只改属性，不改结构。改文字就改run.text，改颜色就改font.color.rgb，改字号就改font.size，不要尝试用脚本增删形状或者解组。真要增删，在 PowerPoint 里手工做。

现象五：导出的 SVG 放大后，箭头和文字发虚，只有一个方框是清晰的。

原因是模板里混进了位图元素——可能是作者从别处截图粘贴进来做示意，也可能是某种阴影或半透明效果在转换时被光栅化。检测办法是在 PowerPoint 里选中可疑形状，看"图片格式"选项卡是否出现，出现就说明是图片。解决方式是把位图部分用纯形状重画，或者干脆避开那部分。导出前跑一次检查脚本，把所有小于 8pt 的文字和所有图片形状打出来：

from pptx import Presentation from pptx.util import Pt MIN_PT = 8 prs = Presentation("ml-visuals-final.pptx") for i, slide in enumerate(prs.slides, start=1): for shape in slide.shapes: # 位图形状直接点名，这类会在缩放到单栏后发虚 if shape.shape_type == 13: print(f"[位图] slide {i} | {shape.name}") if not shape.has_text_frame: continue for para in shape.text_frame.paragraphs: for run in para.runs: size = run.font.size if size is not None and size < Pt(MIN_PT): print(f"[小字] slide {i} | {run.text[:16]!r} | {size.pt}pt")

shape_type == 13是 python-pptx 里 PICTURE 枚举的值，命中说明这张是位图。run.font.size为None表示继承了占位符或主题的字号，脚本不会报出来，这类要人工看图确认。Pt(MIN_PT)和size都是 EMU 长度的封装对象，可以直接比较大小。跑完这个脚本，输出空就说明可以安全导出了。

注意：这个检查只看顶层形状，组合内部的形状不会被子遍历。如果你的图大量使用组合，先把shape.shape_type == 6（GROUP）的情况递归展开，否则会漏检。

6. 二次开发：把单张模板沉淀成自己的制图流水线

改到第五张图的时候我意识到，问题不是"怎么改这一张"，而是"下次怎么不用重新想一遍"。于是我把改图这件事拆成了三件可以固化下来的东西：一套参数、一个脚本、一份检查清单。

参数固化成 token。上面那张配色表不要只存在脑子里，写进一个 JSON 或者 YAML，脚本读它来染色。项目换色系时只改一处，所有图跟着变。

import json from pptx import Presentation from pptx.dml.color import RGBColor with open("style.json", encoding="utf-8") as f: style = json.load(f) # {"primary": "1F4E79", "accent": "E18A1B", ...} def hex2rgb(h): return RGBColor(int(h[0:2], 16), int(h[2:4], 16), int(h[4:6], 16)) prs = Presentation("ml-visuals-edited.pptx") for slide in prs.slides: for shape in slide.shapes: if not shape.has_text_frame: continue for para in shape.text_frame.paragraphs: for run in para.runs: key = run.text.strip() if key in style: # 图上临时写 "primary" 占位 run.font.color.rgb = hex2rgb(style[key]) prs.save("ml-visuals-styled.pptx")

导出固化成一条命令。把第 3 章那几行转换命令写进Makefile或者一个build.sh，改完图执行一次，dist/里就是全部 pdf 和 svg。别每次手敲，手敲一定会漏掉某一页。

检查固化成清单。每次定稿前过一遍：字号是否都在 8pt 以上、线宽是否都到 0.75pt、颜色是否只剩三种、图里的数字和正文表里的超参数是否一致、有没有残留的模板原始标注（比如还写着NxNx3而你的输入是单通道）。最后一条最难查，因为改完的图看起来"很正常"，但数字是错的，审稿人一算就露馅。

一个省事的小技巧：把每页导出成缩略图拼成一张联系表，肉眼看一遍。人眼对"不对劲"的敏感度远高于你逐条核对参数。

# 全部页面导成 150dpi 的 png，拼成联系表方便挑图 pdftocairo -png -r 150 dist/ml-visuals-final.pdf dist/thumb montage dist/thumb-*.png -tile 4x -geometry +8+8 dist/contact.png

-r 150控制分辨率，缩略图够看就行，别导 600dpi 把磁盘塞满。montage是 ImageMagick 的命令，-tile 4x表示每行四张，-geometry +8+8是间距。没有 ImageMagick 的话，直接看 pdf 页缩略图也一样。

写完这个流程我才明白，模板真正值钱的地方不是那几张图，而是它逼你把"论文插图"当成一个可重复的工程问题来处理，而不是每次临时发挥。从那以后我每次投稿前都强制走一遍这套流程：统一字体、跑检查脚本、看联系表、再导最终 pdf。图没再被打回过，省下的时间够写半章正文。

这套模板和脚本我按上面的目录整理好了，压缩包解开后先别急着改第一张，按第 2 章那张组件对照表挑一张最接近你模型拓扑的当底稿，改起来会顺很多。希望帮到你。

本文还有配套的精品资源，点击获取