【亲测免费】 Visio流程图模具:国标1526-89(V2.0.5)
2026-01-28 05:10:12作者:凌朦慧Richard
简介
本仓库提供了一个名为“Visio流程图模具:国标1526-89(V2.0.5)”的资源文件下载。该文件包含了根据国家标准《GB1526-89》制作的Visio模具,涵盖该标准中除注解符号以外的所有符号(Visio图形)。这些模具适用于绘制信息处理中的数据流程图、程序流程图、系统流程图、程序网络图和系统资源图。
文件内容
- 文件授权:免费文件
- 文件类型:国产文件
- 应用平台:Visio 2013
- 文件语言:简体中文
文件详细介绍
该模具共包含25种符号,涵盖《GB1526-89》中除注解符号以外的所有符号(Visio图形)。这些符号可用于绘制以下内容:
- 数据流程图
- 程序流程图
- 系统流程图
- 程序网络图
- 系统资源图
更新日志
V2.0.7
- 修复“判断”形状连接线方向不能横向的问题
- 修复“并行”形状可以设置箭头的问题
V2.0.5
- 更新所有形状的宽度统一,以便于自动对齐
- 修正“连接符”形状的提示
- 修复“循环界限(开始)”形状的文字框上下颠倒的问题
- 修复“判断”形状的文字框倾斜的问题
- 修复“判断”形状的连接点的方向不正确的问题
- 修复“循环界限(开始)”形状的连接点的方向不正确的问题
V1.0.1
- 修复了“并行”形状导致重新布局页面功能不能正常使用的问题
V1.0.0
- 第一版
下载地址
- 最新版:[下载地址]
- 历史版本:[下载地址]
使用说明
下载并解压缩文件后,打开Visio软件,导入模具即可使用。这些模具将帮助您更高效地绘制符合国家标准的流程图。
希望这些模具能帮助您在工作中更加便捷地绘制流程图!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220