下载文档原格式
AI常见问题大全1.察看文字是否转曲，可全选，然后看文字菜单，若还有文字未转曲，“建立轮廓”菜单则可用，否则该菜单是灰色的。
亦可执行菜单“选择－选择－文本对象”，若会被选中，当然这些文本对象没有ctrl＋alt＋3，解除所有锁定ctrl＋alt＋2----------------------------------------------------------------------------------------------------------------------2.AI 怎么输出透明文件?答：最好另存为 PDF 或 EPS格式,PDF EPS支持透明功能比较好----------------------------------------------------------------------------------------------------------------------3.AI 格式的如何调入 CD里面？答：CDR12 可以直接打开AICS2 的文件，你选择打开方式为CDR 就可以了,取消群组即可编辑．但是注意的是 AICS2 不能打开 CDR12．需要把 CDR 存成低版本 CDR９就可以用 AICS2 打开．ＡＩ版本 CDR 来打开ＡＩ文件．----------------------------------------------------------------------------------------------------------------------4 链有很多图片用于印刷的 Indesign文件，为什么转成 pdf文件后却变得很小？该 pdf文件里的图片是否还是链接形式的呢？答：PDF 里的图片不以连接形式存在，而是“实体”形式，但是在转为 PDF 的时候，有转换的分辩率问题，如果以屏幕分辨率96PPI 来转换的话，得到的目标文件就会比较小。
AI技术中的常见问题及解决方案引言：随着人工智能（AI）技术的快速发展，它已经渗透到我们生活的方方面面。
然而，与AI技术的应用和进步相伴随的是一些常见问题。
本文将介绍几个在AI技术中常见的问题，并探讨可行的解决方案，旨在帮助读者更好地理解和应对这些问题。
一、数据质量问题1. 数据不完整或不准确数据作为驱动AI技术的燃料，其质量对结果具有至关重要的影响。
然而，在实际应用过程中，数据往往存在着不完整或不准确的情况。
例如，在医疗领域中，由于医生记录疾病信息存在主观因素，导致患者历史记录可能存在遗漏或错误。
解决方案：进行数据清洗和修复为了解决这个问题，可以利用数据清洗和修复方法来处理不完整和不准确的数据。
通过使用自然语言处理（NLP）算法等技术，可以自动识别并修正错误或缺失的数据。
此外，在收集数据时，采取严格的质量控制标准，确保数据的准确性和完整性。
2. 数据偏见在AI技术中，数据偏见是一个常见但却非常严重的问题。
由于历史数据中存在社会或个体偏见，如果这些数据用于训练AI模型，结果可能会对某些人群产生不公平或有偏见的影响。
例如，面部识别技术可能对特定种族或肤色的人进行错误标识。
解决方案：多样化数据集与算法审查为了解决数据偏见问题，需要使用多样化的、代表性的数据集进行训练，并将算法设计成具有公平性和无偏见的特征提取。
此外，在训练过程中应该进行算法审查，以检测和纠正任何存在的偏差。
二、透明度与可解释性问题1. 黑盒模型在某些情况下，AI技术采用深度学习等复杂模型时，生成的结果往往难以解释。
这使得用户难以理解该结果是基于什么依据得出的。
例如，在自动驾驶领域中，车辆判断行人是否安全穿越道路时所依赖的因素不容易被理解。
解决方案：可解释AI技术与模型选择为了解决可解释性问题，可以使用可解释AI技术，例如准则相关度方法等。
这些方法可以通过提供特征的重要性权重或推理路径等方式，使用户能够理解AI模型的工作原理和结果生成依据。
了解AI技术中常见问题及解决方法一、AI技术的常见问题随着人工智能（Artificial Intelligence，简称AI）技术的迅猛发展，越来越多的领域开始应用和探索AI技术，但也伴随着一些常见的问题。
在本文中，我们将了解一些在AI技术应用中常遇到的问题，并提供解决方法。
1. 数据质量与数据隐私数据是AI技术的重要基础，而数据质量直接影响到模型的训练效果和预测准确性。
然而，在现实场景中，我们经常会遇到数据质量不佳的情况：如缺失值、噪声、不均衡等。
针对这些问题，可以采取以下解决方法：- 数据清洗和预处理：通过去除异常值、填补缺失值、平衡样本等操作来改善数据质量。
- 数据增强：利用合成样本或扩展现有样本集来增加训练数据量和多样性。
- 针对特定任务设计合理指标以评估模型在真实场景下的表现。
另外，随着大规模数据的应用需求日益增长，保护用户个人隐私也成为一个关键问题。
为此，可以采取以下策略来保护数据隐私：- 匿名化处理：通过去除个人身份信息或采用数据模糊化等方法，使得个人信息无法被还原。
- 加密技术：对敏感数据进行加密，确保只有授权的人员才能获得解密后的数据。
2. 模型解释性和可解释性AI技术中涉及大量的复杂模型，如深度神经网络、支持向量机等。
这些模型在提高预测准确性的同时，也给模型解释性和可解释性带来了挑战。
在某些应用场景下，我们需要理解模型背后的决策过程和特征重要性等信息。
以下是一些解决方法：- 可视化技术：通过可视化展示模型的内部结构、权重分布、激活图像等，帮助用户理解和判断模型行为。
- 解释性算法：比如局部线性近似（Local Interpretable Model-Agnostic Explanations, LIME）、递归特征消除（Recursive Feature Elimination, RFE）等方法，可以生成与整体模型预测结果高度相似但更易解释的子模型。
- 注意力机制（Attention Mechanism）：通过使用注意力机制使得模型能够关注输入特征中最相关的部分，从而提高模型的解释性。
AI技术中的常见问题及解决方案随着人工智能（AI）技术的快速发展，我们的生活和工作方式受到了巨大的影响。
然而，虽然AI技术带来了许多便利和创新，但也存在一些常见的问题。
本文将探讨这些问题，并提供解决方案，以帮助我们更好地应对AI技术的挑战。
一、隐私和数据安全问题在AI技术的应用过程中，大量的个人数据被收集和分析，例如个人偏好、行为模式等。
然而，这些个人数据的收集和使用往往存在隐私和数据安全的风险。
一旦这些数据被滥用或泄漏，可能导致严重的后果，如身份盗窃、个人隐私泄露等。
解决方案：对于个人数据的收集和使用，需要建立严格的法律和规定，确保数据隐私和安全。
同时，采用加密技术、访问控制和审计机制等措施，保护个人数据的安全。
此外，用户应该增强个人信息保护意识，减少个人信息的暴露。
二、人工智能的可解释性问题AI技术的黑箱性是另一个常见的问题。
很多时候，AI系统的决策和判断是根据复杂的模型和算法进行的，难以解释和理解。
这给用户和监管机构带来了困惑，也限制了AI技术的可信度和可接受性。
解决方案：为了提高AI技术的可解释性，需要加强对AI算法和模型的透明度。
开发可解释的AI算法，使其决策过程可追溯和可验证。
同时，加强对AI技术的监管和审查，确保其符合适用法律和伦理要求。
三、就业机会和劳动力转型问题AI技术的广泛应用在某些行业和领域可能导致就业机会的减少，因为一些传统的工作被自动化和智能化所取代。
这给劳动力市场带来了巨大的挑战，需要寻找合适的解决方案来保护就业机会和促进劳动力转型。
解决方案：应该制定相关政策和措施来应对就业机会的减少。
培训和教育是关键，提供技能培训和再培训计划，帮助人们适应新的工作需求。
此外，政府应该鼓励创新和创业，促进新兴产业的发展，创造更多的就业机会。
四、伦理和道德问题AI技术在决策和执行过程中可能涉及伦理和道德问题。
例如，自动驾驶汽车在紧急情况下如何做出决策，以最小化伤害？这种类型的问题需要综合考虑道德和法律等因素，给予适当的解决方案。
AI技术的常见问题解析与解决方案随着人工智能（AI）技术的不断发展和应用，人们对于AI技术所带来的潜在问题也越来越关注。
本文将围绕AI技术的常见问题展开讨论，并提供相应的解决方案。
1. 数据隐私问题在使用AI技术的过程中，数据隐私成为了一个重要的问题。
由于AI技术需要大量的数据训练和学习，用户的个人信息可能会暴露给未经授权的第三方。
为了解决这个问题，可以采取以下措施：- 数据加密：对用户的个人信息进行加密处理，确保数据在传输和存储过程中的安全性。
- 隐私政策：AI技术开发者应该制定明确的隐私政策，并向用户详细说明他们将如何保护用户的个人数据。
- 用户授权：用户应该有权选择是否共享他们的个人信息，开发者需要遵守用户的授权选择。
2. 偏见和歧视问题AI技术在决策和推荐系统中的运用可能存在偏见和歧视问题。
由于AI系统的学习是基于历史数据，如果历史数据中存在偏见，那么AI系统就有可能重复这些偏见。
以下是解决这个问题的一些建议：- 平衡数据：为了减少偏见，开发者需要确保训练数据的多样性，包括不同性别、种族和年龄等因素。
- 审查算法：定期审查AI系统的算法，检查是否存在偏见和歧视。
如果发现问题，对算法进行相应的调整和改进。
- 透明度：AI系统应该对决策和推荐的原因进行解释，让用户了解背后的逻辑和依据。
3. 安全风险问题AI技术的广泛应用可能带来安全风险。
黑客可能利用AI系统的漏洞进行攻击，并造成严重的后果。
解决这个问题的方法包括：- 强化安全防护：开发者需要加强对AI系统的安全防护措施，包括加密技术、访问控制和身份验证等。
- 持续监测和更新：对于已经部署的AI系统，要进行持续的监测和更新，及时修复漏洞和强化安全性。
- 用户教育：用户需要提高对于安全风险的认识和意识，不轻易泄露个人信息，并关注应用程序的安全更新。
4. 就业和经济影响问题随着AI技术的发展，一些人担心AI会取代人类的工作，可能导致就业问题。
为了缓解这个担忧，可以采取以下措施：- 教育和培训：提供相关的教育和培训，使人们具备适应新技术的能力和技能。
AI技术的七个常见问题解决方法在当今数字化和智能化时代，人工智能（Artificial Intelligence，简称AI）技术正逐渐应用于各个领域。
然而，虽然AI技术具有巨大的潜力，但也面临着一系列常见问题。
本文将介绍解决这些问题的七种方法。
一、数据质量问题数据是AI技术的基础，但数据质量对于算法的准确性和可靠性影响巨大。
解决数据质量问题的方法包括：1. 数据清洗：排除脏数据和重复数据，提高数据准确性。
2. 数据标注：通过人工标注数据，构建高质量的训练集。
3. 数据增强：利用各种技术手段扩充数据集规模，提高模型泛化能力。
二、算法选择问题选择合适的算法对于AI的应用至关重要。
解决算法选择问题的方法包括：1. 综合考虑：根据具体应用场景，综合考虑算法的准确性、效率和可解释性等因素。
2. 实验验证：通过实验比较不同算法在同一数据集上的表现，选择最符合需求的算法。
三、模型训练问题模型训练是AI技术中最核心的环节之一。
解决模型训练问题的方法包括：1. 数据平衡：对于存在类别不平衡的数据集，采用欠采样或过采样等技术保证模型训练的公平性。
2. 超参数调优：通过交叉验证等方法，针对不同模型调整超参数，提高模型性能。
四、可解释性问题AI技术的黑盒性是普遍存在的问题。
解决可解释性问题的方法包括：1. 可视化方法：通过可视化技术呈现模型的工作过程和决策依据，提高可解释性。
2. 模型修正：针对不可解释性高的模型，采用修正方法改进解释性。
五、数据隐私问题AI技术对大量个人数据的需求引发了数据隐私问题。
解决数据隐私问题的方法包括：1. 匿名化处理：对个人敏感信息进行脱敏处理，保护数据隐私。
2. 访问控制：设置权限和访问限制，仅允许授权人员访问敏感数据。
六、社会伦理问题AI技术的应用给社会伦理带来一系列挑战。
解决社会伦理问题的方法包括：1. 法律法规：建立完善的法律法规体系，规范和约束AI技术的应用。
2. 倫理審查教育：加强AI伦理教育，引导从业人员和用户正确使用AI技术。
AI人工智能技术的常见问题解答与解决方案随着科技的不断进步，人工智能（Artificial Intelligence，AI）技术正逐渐渗透到我们生活和工作的方方面面。
然而，尽管AI技术带来了许多便利和创新，但也伴随着一系列问题和挑战。
本文将介绍一些常见的AI问题，并提供相应的解决方案。
问题一：AI技术的可信度如何保证？解决方案：1. 严格的数据管理：确保AI系统使用的数据集具有代表性和多样性，避免数据的偏向性。
同时，建立有效的数据管理流程，确保数据的准确性和完整性。
2. 透明度和解释性：AI系统的决策过程应具有可解释性，人们能够了解系统是如何得出某个决策的。
这将帮助用户更好地理解和信任AI 技术。
3. 安全性和隐私保护：加密AI系统中的敏感数据，确保数据的安全性。
同时，遵循相关法律法规，并采取措施保护用户的隐私。
问题二：AI技术对就业市场的影响是积极的还是消极的？解决方案：1. 重新定位工作：一些简单重复性的工作可能会被自动化取代，但同时也会创造新的就业机会，如AI系统的维护和开发等。
2. 终身学习：随着AI技术的发展，不断学习和更新自己的技能和知识将成为一种重要的竞争优势，帮助人们适应就业市场的变化。
3. 政府政策：政府可以通过培训计划和职业转型支持来帮助受到AI 技术影响的人群重新就业。
问题三：如何确保AI技术的道德和伦理准则？解决方案：1. 建立规范：制定明确的AI伦理准则，规范技术的发展和使用。
这些准则可以涉及隐私保护、公平性、透明度、法律遵从等方面。
2. 伦理审查和监管：对使用AI技术进行审查和监管，确保其符合伦理要求。
建立独立的机构或委员会，对AI系统的开发和应用进行监督。
3. 公众参与：鼓励公众参与AI技术的讨论和决策过程，确保技术的发展符合社会的期望和价值观。
问题四：AI技术可能带来的风险和挑战是什么？解决方案：1. 人工智能的安全：加强AI系统的安全性，防止恶意攻击和利用。
提高系统的抗干扰能力，减少被攻击的风险。
常见AI技术问题及解决方法随着人工智能（AI）技术的快速发展，AI已经渗透到我们生活的方方面面。
然而，AI技术的发展也带来了一些问题和挑战。
在本文中，我们将讨论一些常见的AI技术问题，并提供解决方法。
一、数据质量问题数据是AI技术的基础，然而，数据质量问题常常困扰着AI应用的开发者。
数据质量问题包括数据缺失、数据错误、数据偏差等。
这些问题会导致AI模型的准确性下降，从而影响到AI应用的效果。
解决方法：1. 数据清洗：通过对数据进行清洗和处理，去除无效数据和错误数据，提高数据的质量。
2. 数据增强：通过合成、扩充和变换数据，增加数据的多样性，提高模型的泛化能力。
3. 数据采集：优化数据采集策略，确保数据的全面性和准确性。
二、算法选择问题在AI技术中，选择合适的算法对于获得良好的结果至关重要。
然而，算法选择问题常常困扰着开发者，因为不同的算法适用于不同的问题。
解决方法：1. 算法评估：通过对不同算法进行评估和比较，选择适合特定问题的最佳算法。
2. 算法调优：对已选定的算法进行参数调优，提高算法的性能和效果。
3. 算法组合：将多个算法组合使用，利用各自的优势，提高整体的性能。
三、模型解释问题AI模型通常是黑盒子，很难解释其决策过程和推理逻辑。
这给AI应用的可信度和可靠性带来了挑战。
解决方法：1. 可解释性模型：选择可解释性较好的模型，如决策树、逻辑回归等，以便更好地解释模型的决策过程。
2. 解释工具：利用解释工具和技术，对模型进行解释和分析，揭示模型的内在规律和特征。
3. 模型评估：通过对模型进行评估和验证，确保模型的准确性和可靠性，增加对模型的信任度。
四、隐私和安全问题AI技术的应用涉及到大量的个人数据和敏感信息，因此隐私和安全问题成为了AI技术发展中的重要挑战。
解决方法：1. 数据保护：采取合适的数据保护措施，如数据加密、数据脱敏等，确保个人数据的安全性和隐私性。
2. 访问控制：建立合理的访问控制机制，限制对敏感信息的访问和使用。
AI技术的常见问题及解决方法随着人工智能（AI）技术的快速发展，我们逐渐进入了一个全新的智能时代。
然而，尽管AI技术的应用给我们带来了许多便利和进步，但也面临一些常见的问题。
本文将探讨一些AI技术的常见问题，并提供相应的解决方法。
一、数据隐私和安全问题在AI技术的应用中，数据的隐私和安全问题是一个重要的关注点。
大量的个人数据被用于训练AI模型，但这些数据可能包含敏感信息，如个人身份、财务状况等。
如果这些数据泄露或被滥用，将给个人和社会带来严重的风险。
为了解决这个问题，首先需要建立严格的数据保护法律和规定，保护个人数据的隐私和安全。
同时，AI技术的开发者和应用者也应加强对数据的保护措施，采用加密和匿名化等技术手段，确保数据不会被非法获取。
此外，用户也应提高自己的数据安全意识，避免将个人敏感信息泄露给不可信的第三方。
二、技术倫理和道德问题随着AI技术的发展，人们开始关注AI的技术倫理和道德问题。
例如，AI系统是否应该具有自主决策能力，是否应该对其决策负责，以及如何确保AI系统的决策符合道德和法律的要求等。
为了解决这个问题，我们需要建立AI技术的伦理和道德框架，明确AI系统的责任和义务。
此外，应加强对AI系统的监管和审查，确保其决策符合伦理和法律的要求。
同时，还需要加强AI技术的教育和培训，提高开发者和用户的技术伦理素养，使他们能够正确应对技术倫理和道德问题。
三、就业和社会影响问题随着AI技术的应用，一些传统的工作岗位可能会被自动化取代，给就业市场带来一定的冲击。
此外，AI技术的发展还可能引发一些社会问题，如贫富差距的加大、社会不平等的增加等。
为了解决这个问题，我们需要采取一系列应对措施。
首先，政府应加强对就业市场的监测和调控，及时发现并解决由AI技术带来的就业问题。
其次，应加强对劳动者的再培训和转岗培训，提高他们的技能水平，适应新的就业需求。
此外，还应加强社会保障体系的建设，确保每个人都能够获得基本的生活保障。
人工智能应用中的常见问题解决方法人工智能（Artificial Intelligence，简称AI）作为一项前沿科技，正在广泛应用于各个领域。
然而，尽管人工智能具有巨大的潜力，但在实际应用中常常会遇到一些问题。
本文将探讨人工智能应用中的常见问题，并提出解决方法。
1. 数据不足和数据质量问题在人工智能应用中，数据被视为宝贵的资产。
然而，很多时候我们会面临数据不足和数据质量问题。
数据不足会影响模型的训练过程，导致结果不准确。
数据质量问题，例如数据噪声、缺失或不平衡，也会导致模型的预测结果不可靠。
解决方法：- 数据增强：通过一系列技术手段对数据进行增强，如镜像、旋转或变换。
这可以扩充数据集，提高模型的鲁棒性。
- 数据清洗：使用清洗算法识别和处理数据中的异常或噪声。
这可以提高数据质量，减少不准确的预测。
- 数据集整合：整合多个数据源，以扩大数据量和种类。
这可以缓解数据不足问题，提供更全面的信息来训练模型。
2. 解释性问题人工智能模型通常是黑盒子，难以解释其决策过程。
这在某些领域，如医疗诊断和金融风险评估中，可能会引发合理性和可信度问题。
解决方法：- 透明化模型：选择可解释性较强的模型，如决策树或逻辑回归。
这些模型可以提供更直观的决策规则，增强解释性。
- 可视化技术：利用可视化技术来呈现模型的决策过程和特征重要性。
这可以帮助用户理解模型决策的依据，并增加对模型的信任度。
- 解释性模型：构建解释性模型作为辅助。
例如，可以用一个解释性的模型来预测金融风险评估结果，并与黑盒子模型的结果进行比较和解释。
3. 鲁棒性问题人工智能模型在现实场景中可能会受到各种噪声、变化和攻击的影响，导致预测结果不稳定或失效。
解决方法：- 对抗性训练：使用对抗性样本来训练模型，使其能够更好地应对攻击。
通过将一些干扰信号添加到训练数据中，模型可以学会识别和抵御类似的攻击。
- 多模型融合：将多个模型的预测结果进行融合，以提高整体的鲁棒性。
1.察看文字是否转曲，可全选，然后看文字菜单，若还有文字未转曲，“建立轮廓”菜单则可用，否则该菜单是灰色的。
亦可执行菜单“选择－选择－文本对象”，若会被选中，当然这些文本对象没有ctrl＋alt＋3，解除所有锁定ctrl＋alt＋2----------------------------------------------------------------------------------------------------------------------2.AI 怎么输出透明文件?答：最好另存为PDF 或EPS格式,PDF EPS支持透明功能比较好----------------------------------------------------------------------------------------------------------------------3.AI 格式的如何调入CD里面？答：CDR12 可以直接打开AICS2 的文件，你选择打开方式为CDR 就可以了,取消群组即可编辑．但是注意的是AICS2 不能打开CDR12．需要把CDR 存成低版本CDR９就可以用AICS2 打开．ＡＩ版本CDR 来打开ＡＩ文件．----------------------------------------------------------------------------------------------------------------------4 链有很多图片用于印刷的Indesign文件，为什么转成pdf文件后却变得很小？该pdf文件里的图片是否还是链接形式的呢？答：PDF 里的图片不以连接形式存在，而是“实体”形式，但是在转为PDF 的时候，有转换的分辩率问题，如果以屏幕分辨率96PPI 来转换的话，得到的目标文件就会比较小。
PDF 文件可以保持图片的“链接属性”，但是内含的图片还是一个PDF 转换的时候，除了版本对文件大小由影响之外，分辩率，图片内嵌字体与否，包不包括隐藏项目等等，都对文件的最终大小有影响。
----------------------------------------------------------------------------------------------------------------------5.路径闭合用什么工具呢?答：ctrl+j6.怎样在AI 里面精确定位参考线,比如说我从标尺里拉出一根参考线,现在我想让此参考线在页面居中,可不可以通过数值的方式让它恰好就处在页面的中央.再比如:在页面的三分一去.答：用坐标,X,Y----------------------------------------------------------------------------------------------------------------------7.为什么我在使用Illustrator 钢笔工具画路径的时候只能移动每个点的控制杆，而不能移动单个点呢？？在ps 里画路径的时候可以的喔～～哪位高人知道的话赐教赐教答：快捷键A。
也就是白色鼠标那个----------------------------------------------------------------------------------------------------------------------8.在illustrator 中怎么把图片打散?因为我想删除一个图片的某个部分,可是一选择就把整个图片都选上了!答：在illustrator里没有打散，和ＦＬ不一样可以试着改变一下形状或用其它办法界面体验学习运用中9.画两条曲线,然后通过什么,可以在两条曲线中自动绘制出任意数量的相似图形答：混合工具10.我使用的是Adobe Illustrator CS，看教程说到路径查找器控制面板，里面有路径合并这个功能的，现想请教下，如何调出这个＂路径查找器控制面板＂啊.答：ctrl+k <首选项> 中的<常规> 第<键盘增长量>系统默认的方向键单位为1px，按住SHIFT+在方向键单位为10px。
键盘增长量更改后，SHIFT+在方向键的单位将变为键盘增长量x10----------------------------------------------------------------------------------------------------------------------11.请问ai 里面把画布放大到100%显示的图象大小就是实际印刷的大小吗?如果不是的话如何在软件里面能看到实际打印的尺寸我想在软件中看一下实际打印出来的大小是多少,那如何看呢? 放大到100% 有人说不对的答：选中物件，看Info 面板上就是实际大小尺寸。
----------------------------------------------------------------------------------------------------------------------12.如果说有两个图形正好上下相叠，并且上面的大，下面的小，那要怎么样才能快捷的选择呢(在AI 中）答：Ctrl + A （全选），按住Shift 就是反选（即：全选取之后，想要下面的，就按着Shift选上面的，相反，想要上面的就按着Shift 拖动鼠标选取下面的）----------------------------------------------------------------------------------------------------------------------13.我在AI 里用网格渐变时，老是不听使唤似比如点一个地方就是一个十字架能填上颜色，但是有一根线老是点不到自已的理想位置答：就是在十字架的中心节点添加颜色的----------------------------------------------------------------------------------------------------------------------14.在ＡＩ打个字｀然后家个黑色的边框｀怎么那边框设置为向外扩展呢？就像ＰＳ里的外描边一样｀｀｀在ＰＳ可以调外描边或内描边｀｀但ＡＩ里好像调不了？答：我一般都是复制这些字然后加填充透明描边框再和刚才的字放到一块----------------------------------------------------------------------------------------------------------------------15.illustrator 中如何把一张图片装入一个容器中,从而实现精确剪裁呢? 我用cd12可以做的,但是AI 就不知道哪个菜单是了,帮帮我啊,在线等....答：1.剪切蒙版。
也叫矢量蒙版，再CD 里面应该就是叫“置入容器”。
就是以上一个图形的形状为蒙版进行遮罩，方法是同时选中2 个图形，注意，被遮罩的对象应该在下层，然后Object→Crop Marks→Make，或者是直接Ctrl+7；释放蒙版是Ctrl+Shift+7。
2.渐变蒙版。
以通道的黑白关系为依据，又叫透明蒙版。
能实现图形渐变透明的功能。
像PS 一样，黑色透明，白色不透明，灰色半透明。
方法是同时选中2 个图形，注意，被遮罩的对象应该在下层，在Transparency 面板里面，点开右边的那个小三角，选择Mak e OpacityMask 即可。
界面体验学习运用中161.怎么复制一个物体后让复制出来的物体不位移就象flash 里ctrl+strl+v 复制一样2.怎么保存设置好的渐变色3.我用3D 变换做一个物体后怎么打散为什么光删化打散后那么多锯齿4.怎么实现PS 里的遮照效果和不通明蒙班好象有区别？5.在同一层情况下怎么选取2 个叠在一起的物体假如有3 个叠在一起6.用一个园形怎么做象PS 里的ctrl+t 扭曲出来的效果AI 里好象只有旋转缩小？答：1、ctrl B 和ctrl F 都是原位复制，不同之处在于B 是后置，F 是前置2、色版上有新建按钮，拖动也可以实现3、选“对象-扩展外观”然后解散组合（光栅化就变成位图了，按照默认设置肯定出锯齿，不到万不得已不要光栅化，用的话也要用“效果”菜单下面的，以后还可以改）4、Alpha 蒙版请用透明度面板的菜单下的“创建不透明蒙版”，ctrl 7 是矢量蒙版5、不要忘记PS 里面常用的图层面板，有选择的锁定也是好办法（ctrl 2 和ctrl+al t 2）6、自由变换工具（E），注意要先按住要操作的点，然后按ctrl、shift、alt 等组合键才能出现PS 里ctrl T 的自由扭转。
不要被AI 默认就有的界定框迷惑，它不是自由变换工具。
object??transform 也可以达到一定目的，但是它不够自由----------------------------------------------------------------------------------------------------------------------17.在WORD 中做好了表格，里面只是文字和数字。
直接复制会解体：本来一行字分成几段，表格线条一条变几条。
最后还要慢慢修改。
有没有更好的办法转换呢？你有装ACROBART 吗?直接在ACROBART 里面找开,转成PDF 文件,然后在用AI 打开就可以了,就成了AI 文件了.----------------------------------------------------------------------------------------------------------------------18.出血又是什么意思啊？答：我们的印刷资料在印刷装订的时候需要裁切而裁切的时候，裁切工具肯定有一定的厚度这个时候，怕我们的印刷品被裁切掉内容所以在做前要设置我们文档的出血，也就是比要用到的资料大小大出一点一般为3MM界面体验学习运用中19.ai 文件转成Pdf 文件，有很多方法。
1.可以直接另存为pdf 文件。
2.打印成ps 文件，再转成pdf.请问：用哪种方法合适，另外转pdf 文件过程中，要注意哪些设置。
2.ai 文件中使用的图片，都是链接外部的图片文件夹。
请问转成印刷用的pdf 文件后，图片是嵌入在pdf 文件里，还是仍然链接在外面？因为我发现转成pdf 文件后，相比原来的ai 文件，文件大小少了很多。
