Заказать Гибкий ввод К 1084 У2 ЗЭТАРУС
Гибкий ввод К 1084 У2 ЗЭТАРУС
2 566,99 Тг.
Под заказ
Купить
+7 (708) 850-30-27
менеджер Зарина
+7 (777) 557-68-68
менеджер Руфина-
+7 (708) 850-27-00
менеджер Артем +7 (727) 321-80-28
Описание
Характеристики
Информация для заказа
Ввод гибкий К1084 предназначен для выполнения криволинейных участков трубных электропроводок (для труб диаметром 41-43 мм) при вводе в оболочку электрооборудования.
Гибкий ввод К-1084 состоит из муфты трубной МТ 32, металлорукава в ПВХ оболочке (МРПИ) длинной 655 мм, муфты вводной МВ 32 (РКН-32). Поставляется в сборе.
Гибкий кабельный ввод К1084, технические характеристики:
Климатическое исполнение: У2
Степень защиты: IP 40
Допустимая растягивающая нагрузка, направленная вдоль оси изделия: 150 Н
Стандарт изготовления: ТУ 36-1684
Тип
Длина L, мм
d1, дюйм (мм)
d2, мм
Мин. радиус изгиба, мм
Масса, г
К1084 (G1 ?»-32-43)
655
G1 ?» (42мм)
41-43
250
530
Возможен заказ металлорукава нестандартного размера.
Ввод гибкий к1082 в Химках: 502-товара: бесплатная доставка [перейти]
Партнерская программаПомощь
Химки
Каталог
Каталог Товаров
Одежда и обувь
Одежда и обувь
Стройматериалы
Стройматериалы
Здоровье и красота
Здоровье и красота
Продукты и напитки
Продукты и напитки
Текстиль и кожа
Текстиль и кожа
Детские товары
Детские товары
Электротехника
Электротехника
Сельское хозяйство
Сельское хозяйство
Мебель и интерьер
Мебель и интерьер
Промышленность
Вода, газ и тепло
Вода, газ и тепло
Все категории
ВходИзбранное
Ввод гибкий к1082
Гибкий ввод К 1083 (G1 1/4″-32-43) У2 Гэм стандарт
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1080 (G3/4 дюйм -20-27) У2 полимерный зэтарус zeta40110
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1081 (G3/4″-20-27) У2
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1083 (G1 1/4 дюйм -32-43) У2 полимерный зэтарус zeta40113
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1087 (G1 1/2 дюйм -38-49) У2 полимерный зэтарус zeta40117
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1086 (G1 1/2»-38-49) У2 zeta40116
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1085 (G1″-25-34) У2
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1082 (G3/4 дюйм -20-27) У2 полимерный зэтарус zeta40112
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1088 (G2 »-50-61) У2 zeta40118
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1082 (G3/4»-20-27) У2 | zeta40112 | зэтарус
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1087 (G1 1/2»-38-49) У2 zeta40117
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1084 (G1 1/4»-32-43) У2 zeta40114
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1080 (G3/4»-20-27) У2 zeta40110
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1085 (G1 1/4 дюйм -32-43) У2 полимерный зэтарус zeta40115
ПОДРОБНЕЕЕще цены и похожие товары
ЗЭТА Гибкий ввод К 1083 (G1 1/4»-32-43) У2 Гэм стандарт zeta40113
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1085 (G1 1/4 дюйм -32-43) У2 полимерный ЗЭТАРУС zeta40115 Цвет: черный, Бренд:
В МАГАЗИНЕще цены и похожие товары
Гибкий ввод К 1085 (G1″-25-34) У2 ЗЭТАРУС {zeta40121} Бренд: ЗЭТАРУС, Код производителя:
В МАГАЗИНЕще цены и похожие товары
Ввод гибкий К-1083 (G1 1/4 дюйм -32-43) У2 полимерный ЗЭТАРУС zeta40113 Цвет: черный, Бренд:
В МАГАЗИНЕще цены и похожие товары
Ввод гибкий
К-1080 (G3/4 дюйм -20-27) У2 полимерный ЗЭТАРУС zeta40110 1 шт Цвет: черный, Бренд:В МАГАЗИНЕще цены и похожие товары
Ввод гибкий К-1086 (G1 1/2 дюйм -38-49) У2 полимерный ЗЭТАРУС zeta40116 1 шт Цвет: черный, Бренд:
В МАГАЗИНЕще цены и похожие товары
Гибкий ввод К1083 У4 (L=425) Единица измерения: шт
В МАГАЗИНЕще цены и похожие товары
Гибкий ввод К 1086 У2 зэтарус
ПОДРОБНЕЕЕще цены и похожие товары
Ввод герметичный гибкий ВГГ20-01-AНМ25-BНМ25-П-1,0
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1080 (G3/4»-20-27) У2 зэтарус
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1087 (G1 1/2 дюйм -38-49) У2 полимерный зэтарус zeta40117
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1087 У2 зэтарус
ПОДРОБНЕЕЕще цены и похожие товары
Гибкий ввод К 1085 У2 зэтарус
ПОДРОБНЕЕЕще цены и похожие товары
Ввод гибкий К-1086 (G1 1/2 дюйм -38-49) У2 полимерный зэтарус zeta40116
ПОДРОБНЕЕЕще цены и похожие товары
2 страница из 18
Гибкие входные формы
В то время как некоторые модели нейронных сетей принимают только входные данные фиксированного размера, например изображение с разрешением 224 x 224 пикселей, другие модели требуют гибких входных форм, которые определяются во время выполнения.
Примерами являются языковые модели, которые работают с произвольной длиной входных данных, и модели передачи стилей, которые работают с несколькими разрешениями.
При преобразовании модели в Core ML с помощью Core ML Tools можно указать фиксированную форму ввода или гибкую форму ввода. С гибкой формой ввода вы можете указать ввод следующим образом:
- Выберите из предопределенных форм, чтобы ограничить ввод выбранными формами, оптимизируя производительность.
- Установите ограниченный диапазон для каждого измерения, чтобы определить минимум и максимум для более динамичных форм. Использование ограниченного диапазона предоставляет компилятору времени выполнения больше возможностей для оптимизации, что сложнее с неограниченным диапазоном.
- При необходимости включите неограниченные диапазоны для максимальной гибкости.
Чтобы оптимизировать производительность, обеспечить точность модели или ограничить диапазон входных данных для других целей, укажите набор предопределенных форм для ввода.
EnumeratedShapes , как показано в следующем примере.👍
Пронумерованные формы обеспечивают преимущество в производительности
Используйте
EnumeratedShapesдля наилучшей производительности. При компиляции модель может быть оптимизирована на устройстве для конечного набора входных фигур. Вы можете указать до 128 различных форм. Если вам нужно больше гибкости для входных данных, рассмотрите возможность установки диапазона для каждого измерения.
В следующем примере выполняются следующие шаги:
- Определяет модель
TestConvModule, используяtorch.nn.Module, базовый класс для модулей нейронной сети, и трассирует модель со случайным вводом. - Определяет
input_shapeсEnumeratedShapes.
Вы можете дополнительно указать форму по умолчаниюили установитьпо умолчаниюнаНет(или опуститьпо умолчанию), чтобы использовать первый элемент вформахпо умолчанию. Форма по умолчанию загружается при запуске модели. - Преобразует модель с помощью
input_shapeв программу ML и сохраняет ее как пакет ML. - Проверяет модель с предсказаниями.
Вы можете дополнительно указать форму импортировать coremltools как CT
импортный факел
импортировать numpy как np
# Определите модель для этого примера.
класс TestConvModule (torch.nn.Module):
def __init__(self, in_channels=3, out_channels=10, kernel_size=3):
супер(TestConvModule, сам).__init__()
self.conv = torch.nn.Conv2d(in_channels, out_channels,
размер_ядра)
защита вперед (я, х):
вернуть self. conv(x)
# Трассировка модели со случайным вводом.
example_input = факел.rand(1, 3, 50, 50)
traced_model = torch.jit.trace(TestConvModule().eval(), example_input)
# Установите input_shape для использования EnumeratedShapes.
input_shape = ct.EnumeratedShapes(shapes=[[1, 3, 25, 25],
[1, 3, 50, 50],
[1, 3, 67, 67]],
по умолчанию=[1, 3, 67, 67])
# Преобразование модели с помощью input_shape.
модель = ct.convert(traced_model,
inputs=[ct.TensorType(shape=input_shape, name="input")],
выходы = [ct.TensorType (имя = "выход")],
convert_to="mlprogram",
)
model.save("enumerated_shapes.mlpackage")
# Протестируйте модель с помощью прогнозов.
input_1 = np.random.rand(1, 3, 25, 25)
input_2 = np.random.rand(1, 3, 67, 67)
output_1 = model.predict({"вход": input_1})["выход"]
print("форма вывода {} для формы ввода {}". format(output_1.shape, input_1.shape))
output_2 = model.predict({"вход": input_2})["выход"]
print("форма вывода {} для формы ввода {}".format(output_2.shape, input_2.shape))
conv(x)
# Трассировка модели со случайным вводом.
example_input = факел.rand(1, 3, 50, 50)
traced_model = torch.jit.trace(TestConvModule().eval(), example_input)
# Установите input_shape для использования EnumeratedShapes.
input_shape = ct.EnumeratedShapes(shapes=[[1, 3, 25, 25],
[1, 3, 50, 50],
[1, 3, 67, 67]],
по умолчанию=[1, 3, 67, 67])
# Преобразование модели с помощью input_shape.
модель = ct.convert(traced_model,
inputs=[ct.TensorType(shape=input_shape, name="input")],
выходы = [ct.TensorType (имя = "выход")],
convert_to="mlprogram",
)
model.save("enumerated_shapes.mlpackage")
# Протестируйте модель с помощью прогнозов.
input_1 = np.random.rand(1, 3, 25, 25)
input_2 = np.random.rand(1, 3, 67, 67)
output_1 = model.predict({"вход": input_1})["выход"]
print("форма вывода {} для формы ввода {}".
format(output_1.shape, input_1.shape))
output_2 = model.predict({"вход": input_2})["выход"]
print("форма вывода {} для формы ввода {}".format(output_2.shape, input_2.shape))
Вы можете открыть сохраненный пакет ML в Xcode и щелкнуть вкладку Predictions , чтобы отобразить ввод и вывод, как показано на следующем рисунке.
📘
Core ML предварительно выделяет форму по умолчанию
Core ML предварительно выделяет память для формы по умолчанию, поэтому первый прогноз с формой по умолчанию выполняется быстро. Первый прогноз с нестандартной формой может быть медленнее, но последующие прогнозы должны быть более оптимизированными.
📘
Пронумерованные формы с моделями с несколькими входами
Для модели с несколькими входами только один из входов может быть помечен
EnumeratedShapes; остальные должны иметь фиксированные одиночные формы.
Если для гибкости требуется несколько входных данных, установите диапазон для каждого измерения. Если вы знаете, что входная форма будет находиться в пределах определенного интервала в каждом измерении, установите диапазон для каждого измерения с помощью RangeDim , как показано в следующем примере. Использование ограниченного диапазона для каждого измерения предоставляет компилятору времени выполнения больше возможностей для оптимизации, что сложнее сделать с неограниченным диапазоном.
Код в следующем примере выполняет следующие шаги:
- Определяет модель
TestConvModuleи отслеживает модель со случайным вводом. - Определяет
input_shapeсRangeDim. Вы можете дополнительно указать формупо умолчаниюили установитьпо умолчаниюнаНет(или опуститьпо умолчанию), чтобы использоватьlower_boundпо умолчанию. - Преобразует модель, используя
input_shapeв программу ML и сохраняет его как пакет ML. - Проверяет модель с предсказаниями.
импортировать coremltools как CT
импортный факел
импортировать numpy как np
# Определите модель для этого примера.
класс TestConvModule (torch.nn.Module):
def __init__(self, in_channels=3, out_channels=10, kernel_size=3):
супер(TestConvModule, сам).__init__()
self.conv = torch.nn.Conv2d(in_channels, out_channels,
размер_ядра)
защита вперед (я, х):
вернуть self.conv(x)
# Трассировка модели со случайным вводом.
example_input = факел.rand(1, 3, 50, 50)
traced_model = torch.jit.trace(TestConvModule().eval(), example_input)
# Установите input_shape для использования RangeDim для каждого измерения.
input_shape = ct.Shape (форма = (1,
3,
ct.RangeDim (lower_bound = 25, upper_bound = 100, по умолчанию = 45),
ct. RangeDim(lower_bound=25, upper_bound=100, по умолчанию=45)))
# Преобразование модели с помощью input_shape.
модель = ct.convert(traced_model,
inputs=[ct.TensorType(shape=input_shape, name="input")],
выходы = [ct.TensorType (имя = "выход")],
convert_to="mlprogram",
)
model.save("range_shapes.mlpackage")
# Протестируйте модель с помощью прогнозов.
input_1 = np.random.rand(1, 3, 25, 25)
input_2 = np.random.rand(1, 3, 67, 67)
output_1 = model.predict({"вход": input_1})["выход"]
print("форма вывода {} для формы ввода {}".format(output_1.shape, input_1.shape))
output_2 = model.predict({"вход": input_2})["выход"]
print("форма вывода {} для формы ввода {}".format(output_2.shape, input_2.shape))
RangeDim(lower_bound=25, upper_bound=100, по умолчанию=45)))
# Преобразование модели с помощью input_shape.
модель = ct.convert(traced_model,
inputs=[ct.TensorType(shape=input_shape, name="input")],
выходы = [ct.TensorType (имя = "выход")],
convert_to="mlprogram",
)
model.save("range_shapes.mlpackage")
# Протестируйте модель с помощью прогнозов.
input_1 = np.random.rand(1, 3, 25, 25)
input_2 = np.random.rand(1, 3, 67, 67)
output_1 = model.predict({"вход": input_1})["выход"]
print("форма вывода {} для формы ввода {}".format(output_1.shape, input_1.shape))
output_2 = model.predict({"вход": input_2})["выход"]
print("форма вывода {} для формы ввода {}".format(output_2.shape, input_2.shape))
Вы можете открыть сохраненный пакет ML в Xcode и щелкнуть вкладку Predictions , чтобы отобразить ввод и вывод, как показано на следующем рисунке.
Чтобы включить неограниченный диапазон, который позволяет вводу быть настолько большим, насколько это необходимо, установите upper_bound с RangeDim на -1 для отсутствия верхнего предела.
Однако ограничения памяти устройства фактически определяют, насколько большим может быть ввод. Установите максимальный диапазон для upper_bound , как показано в предыдущем примере, чтобы гарантировать, что модель не выйдет из строя во время выполнения для ваших пользователей.
Чтобы обновить модель с фиксированными формами ввода для использования гибких форм ввода, рекомендуется указать гибкую форму ввода при преобразовании исходной модели в Core ML, как описано в предыдущих разделах.
Однако, если исходная модель недоступна, вы все равно можете обновить существующую модель Core ML с фиксированными формами ввода, чтобы использовать гибкие формы ввода. Используйте neural_network.flexible_shape_utils , который представляет собой набор утилит для аннотирования входных/выходных функций модели с информацией о гибкой форме.
🚧
Доступно только для нейронных сетей
neuro_network.обновляет спецификацию модели, но не гарантирует точность модели с гибкими входными формами. Эти утилиты доступны только для нейронной сети, но не дляmlprogram.
flexible_shape_utils В следующем фрагменте кода показано, как обновить входные данные модели с помощью add_multiarray_ndshape_enumeration() и set_multiarray_ndshape_range() :
# Пронумерованные формы и входные данные с несколькими массивами
из coremltools.models.neural_network импортируйте flexible_shape_utils
спецификация = coremltools.utils.load_spec('mymodel.mlmodel')
# для обновления формы первого ввода
input_name = спец.описание.input[0].name
flexible_shape_utils.add_multiarray_ndshape_enumeration (спецификация,
имя_функции = имя_ввода,
enumerated_shapes=[(2,4), (2,6)])
# Формы диапазона и ввод нескольких массивов
# -1 в верхней границе означает "бесконечность"
flexible_shape_utils. set_multiarray_ndshape_range (спецификация,
имя_функции = имя_ввода,
нижние_границы=[1,2],
upper_bounds=[10,-1])
# повторно инициализируем объект mlmodel
модель = coremltools.models.MLModel("mymodel_updated.mlmodel")
set_multiarray_ndshape_range (спецификация,
имя_функции = имя_ввода,
нижние_границы=[1,2],
upper_bounds=[10,-1])
# повторно инициализируем объект mlmodel
модель = coremltools.models.MLModel("mymodel_updated.mlmodel")
Дополнительные сведения см. в следующей документации API:
-
EnumeratedShapes -
ДиапазонДим -
нейронная_сеть.flexible_shape_utils
Обновлено 3 месяца назад
Гибкие элементы управления вводом для гуманных пользовательских интерфейсов
Пользовательские интерфейсы Идеи
Графические пользовательские интерфейсы предоставляют элементы управления вводом, которые ограничивают вводимые значения для соблюдения правил целостности базы данных и проверки. Однако иногда пользователям необходимо временно ввести данные, которые, как известно, недействительны или не совсем точны.
Существующее программное обеспечение не является гибким, поскольку оно предотвращает временный ввод неверных и неточных значений. В этой статье описываются гибкие элементы управления вводом — новая идиома, позволяющая сделать пользовательские интерфейсы более гуманными за счет признания того, что пользователям необходимо использовать недопустимые и неопределенные значения. Гибкие элементы управления вводом позволяют пользователям вводить недопустимые значения, отмечать неопределенные значения и добавлять к таким значениям пояснительные аннотации.
1. Введение
Элементы управления вводом, обеспечиваемые графическими пользовательскими интерфейсами (GUI), ограничивают вводимые значения, чтобы помочь обеспечить целостность базы данных и правила проверки. Однако иногда единственные доступные для ввода данные считаются недействительными. Точно так же бывают и другие случаи, когда вводимые данные действительны, но заведомо неточны. В этой статье описываются гибкие элементы управления вводом, новая идиома, которая делает пользовательские интерфейсы более гуманными, более точно адаптируя их к тому, как пользователи должны их использовать.
Гибкие элементы управления вводом позволяют пользователям вводить неверные значения данных и позволяют пользователям отмечать неверные значения с пониманием того, что неверные и неопределенные данные будут исправлены в будущем. В разделе 2 более подробно описаны недействительные и неопределенные значения данных. Раздел 3 описывает гибкое поле ввода текста, пример гибкого элемента управления вводом.
2. Неверные и неопределенные значения
Преимущество элементов управления вводом, предоставляемых хорошо разработанными графическими интерфейсами, заключается в том, что они ограничивают значения данных, которые можно вводить. Пользователи полностью осведомлены о допустимом диапазоне значений благодаря дизайну элементов управления и последующей обратной связи. Ограничение значений, которые можно ввести, поддерживает целостность данных. Однако целостность данных является заботой администратора базы данных и часто достигается за счет пользователя (Cooper 2007).
Хотя данные, используемые приложением, должны быть правильными для получения правильных результатов, данные должны быть правильными, когда они используются, а не когда они вводятся.
Бывают случаи, когда пользователю необходимо ввести «недопустимое» значение, например, когда полный контактный номер телефона клиента в настоящее время неизвестен или когда клерк не уверен, на какой корпоративный счет должен быть выставлен счет за заказ. Пользователи должны иметь возможность вводить свои наилучшие предположения сейчас, а исправить их позже, когда станет доступна точная информация. Такие значения могут считаться недействительными в соответствии с правилами целостности данных и проверки, но могут иметь смысл с точки зрения пользователя, учитывая то, что известно о ситуации на момент ввода значения.
Текущее программное обеспечение не позволяет вводить недопустимые значения, поэтому пользователи должны изобретать стратегии для преодоления этого ограничения. Недопустимые значения записываются вне приложения с помощью стикеров на мониторе или, например, в бумажных записях транзакции. Допустимое, но неправильное временное значение вводится в приложение в качестве заполнителя для реального значения, которое будет введено позднее.
Эта стратегия записи временного значения данных вне приложения и записи поддельного, но действительного значения внутри приложения является беспорядочным решением. Приложения должны позволять пользователю вводить недопустимые значения. Приложение должно информировать пользователя о том, что значение недопустимо, и позволять ему исправлять ошибки ввода. Если известно, что значение является недопустимым, но является лучшим значением, доступным в настоящее время, приложение должно позволить пользователю пометить его как таковое.
Также бывают случаи, когда введено допустимое значение данных, но пользователь не уверен, правильно ли оно. Например, клиент может предоставить контактный номер телефона торгового представителя, который, по его мнению, является правильным, но перезвонит позже, чтобы подтвердить номер или исправить его. Приложения должны позволять пользователю помечать значения данных как неопределенные.
Приложения также должны позволять пользователю аннотировать неверные и неопределенные значения с объяснением того, почему значение было введено.
3. Гибкие элементы управления вводом
Гибкие элементы управления вводом — это элементы управления графическим интерфейсом с тремя дополнительными функциями:
- позволяют вводить недопустимые значения;
- они позволяют пользователям помечать значения как неопределенные;
- они позволяют пользователям добавлять пояснительные аннотации к недопустимым и неопределенным значениям.
Гибкие элементы управления вводом выглядят так же, как и их негибкие аналоги, но используют цвет, чтобы обеспечить обратную связь о достоверности или неопределенности данных. На следующих рисунках показано гибкое поле ввода текста. При вводе недопустимого значения фон элемента управления вводом изменяется на бледно-пурпурный (a). Пурпурный означает недопустимое значение. Везде, где в приложении отображается недопустимое значение, фон элемента управления также становится пурпурным.
(a)(b) Когда пользователь не уверен в значении, которое он или она только что ввел, коснувшись элемента управления-? клавиши вместе указывают гибкому элементу управления, что значение является неопределенным.
На приведенном выше рисунке (b) показано гибкое поле ввода текста, содержащее данные, помеченные как неопределенные. Фон элемента управления вводом изменится на бледно-голубой. Синий означает неопределенное значение. Везде, где в приложении отображается неопределенное значение, фон элемента управления также будет синим.
В приложение разрешено вводить недействительные и неопределенные значения при том понимании, что в конечном итоге будут введены действительные и определенные значения. По мере того как через приложение проходят недопустимые и неопределенные значения, становится все более важным, чтобы эти значения были скорректированы, поскольку они приближаются к точке, в которой их достоверность и достоверность являются существенными. Приложение обеспечивает немодальную обратную связь о растущей важности наличия действительных и определенных значений путем углубления оттенка пурпурного и синего (c). Чем глубже оттенок, тем больше значение.
(c) Гибкие элементы управления вводом позволяют пользователю аннотировать недопустимое или неопределенное значение, чтобы предоставить другим пользователям обратную связь о том, почему это конкретное значение было введено.
Если было введено недопустимое значение или было отмечено неопределенное значение, рядом с элементом управления отображается кнопка переключения аннотаций, как показано на рисунках (d) и (e). При нажатии на кнопку открывается всплывающее окно, в котором можно ввести текстовую аннотацию. Переключение кнопки скрывает окно аннотаций. Эта идиома может быть расширена, чтобы можно было записывать голосовые аннотации, а также или вместо текстовых.
Подсказки гибких элементов управления вводом обеспечивают обратную связь о состоянии значений и отображают аннотации. На рисунке (f) показана всплывающая подсказка гибкого поля ввода текста, которое содержит недопустимое значение. Причина, по которой значение недопустимо, указана слева. Это стандартное описание, которое применяется ко всем недопустимым значениям, введенным в этом конкретном элементе управления. В правой части всплывающей подсказки отображается аннотация, объясняющая, почему было введено недопустимое значение. На рисунке (g) показана всплывающая подсказка гибкого текстового поля ввода, которое содержит неопределенное значение.