Web C#2.0 DataSet和Reader封装组件实现自动多数据库切换(含组件源码和实例)

C#连接数据库切换(sql / Mysql) 【代码】C#连接数据库切换(sql / Mysql) 阅读详情

WebConf配置:

<?xml version="1.0"?>
<!--
    注意: 除了手动编辑此文件以外,您还可以使用
    Web 管理工具来配置应用程序的设置。可以使用 Visual Studio 中的
     “网站”->“Asp.Net 配置”选项。
    设置和注释的完整列表在
    machine.config.comments 中,该文件通常位于
    /Windows/Microsoft.Net/Framework/v2.x/Config 中
-->
<configuration>
 <appSettings>
  <!--***************** 数据库的设置 *****************
  !— OperatorDataCode:  数据库操作引擎授权码(自动判断域名)
  !— OperatorDataLink:  数据库链接参数(自动判断类型)
  !— Access类型:     /安装目录/Data/数据库名.mdb
  !— SQL Server类型: uid=账号;pwd=密码;database=数据库;server=服务器
 **************************************************-->

  <add key="OperatorDataCode"  value="00000000-00000000"/>
  <!add key="OperatorDataLink"  value="dbAcc.mdb"/>
        <!--add key="OperatorDataLink"  value="uid=sa;pwd=sa;database=dbSQL;server=."/-->

  <!--***********************************************-->
 </appSettings>
 <connectionStrings/>
 <system.web>
  <!--
            设置 compilation debug="true" 将调试符号插入
            已编译的页面中。但由于这会
            影响性能,因此只在开发过程中将此值
            设置为 true。
        -->
  <compilation debug="true"/>
  <!--
            通过 <authentication> 节可以配置 ASP.NET 使用的
            安全身份验证模式,
            以标识传入的用户。
        -->
  <authentication mode="Windows"/>
       
        <customErrors mode="RemoteOnly"/>
  <!--
            如果在执行请求的过程中出现未处理的错误,
            则通过 <customErrors> 节可以配置相应的处理步骤。具体说来,
            开发人员通过该节可以配置
            要显示的 html 错误页
            以代替错误堆栈跟踪。

        <customErrors mode="RemoteOnly" defaultRedirect="GenericErrorPage.htm">
            <error statusCode="403" redirect="NoAccess.htm" />
            <error statusCode="404" redirect="FileNotFound.htm" />
        </customErrors>
        -->
 </system.web>
</configuration>

/* •——————————————————————————•
   | Title:  智能判断数据源                            |
   | Project: DBOperatorService.Data                   |
   | Subarea: DataSet                                  |
   | Author: ξ箫音ξ                                  |
   | Website: www.crfly.com;bbs.52happy.net            |
   | Created date: 01/16/2007                          |
   | Changed date: 01/17/2007                          |
   •——————————————————————————• 
*/


using  System;
using  System.Configuration;
using  System.Web.UI;
using  DBOperator.Data;

namespace  System.Data
{
    
public class osdData : Page
    
{
        
// Statics
        public static string DataLink;

        
// Constructors
        static osdData ()
        
{
            osdData.DataLink 
= ConfigurationManager.AppSettings["OperatorDataLink"];
        }

        
        
public osdData ()
        
{
        }

                
        
// Methods
        public static DataSet DataSet (string sql, int startindex, int num, string dataname)
        
{
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                
return OperatorSql.ExecuteDataSet(sql, startindex, num, dataname);
            }

            
return OperatorAcc.ExecuteDataSet(sql, startindex, num, dataname);
        }

        
        
public static void ExecuteNonQuery (string sql)
        
{
            
if (osdData.DataLink.ToUpper().IndexOf("SERVER") != -1)
            
{
                OperatorSql.ExecuteNonQuery(sql);
            }

            
else
            
{
                OperatorAcc.ExecuteNonQuery(sql);
            }

        }

        
        
public static object Executescalar (string SQL, int i)
        
{
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                
return OperatorSql.ExecuteScalar(SQL, i);
            }

            
return OperatorAcc.ExecuteScalar(SQL, i);
        }

    }

}



using  System;
using  System.Data.OleDb;
using  System.Data.SqlClient;
using  System.Reflection;
using  DBOperator.Data;

namespace  System.Data
{
    
//[DefaultMember("Item")]
    public class osdReader
    
{
        
// Instance Fields
        public osdData myData;
        
public OperatorAcc myAcc;
        
public OperatorSql mySql;
        
private OleDbDataReader OleDR;
        
private SqlDataReader SqlDR;

        
// Constructors
        public osdReader (OleDbDataReader dr)
        
{
            
this.myData = new osdData();
            
this.myAcc = new OperatorAcc();
            
this.mySql = new OperatorSql();
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") == -1)
            
{
                
this.OleDR = dr;
            }

        }

        
        
public osdReader (SqlDataReader dr)
        
{
            
this.myData = new osdData();
            
this.myAcc = new OperatorAcc();
            
this.mySql = new OperatorSql();
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                
this.SqlDR = dr;
            }

        }


        
public osdReader(string SQL)
        
{
            
this.myData = new osdData();
            
this.myAcc = new OperatorAcc();
            
this.mySql = new OperatorSql();
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                OperatorSql.Open();
                
this.SqlDR = new SqlCommand(SQL, OperatorSql.ConnSql).ExecuteReader();
            }

            
else
            
{
                OperatorAcc.Open();
                
this.OleDR = new OleDbCommand(SQL, OperatorAcc.ConnAcc).ExecuteReader();
            }

        }

        
        
        
// Methods
        public bool Read ()
        
{
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                
return this.SqlDR.Read();
            }

            
return this.OleDR.Read();
        }

        
        
public void Close ()
        
{
            
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
            
{
                
this.SqlDR.Close();
                OperatorSql.Close();
            }

            
else
            
{
                
this.OleDR.Close();
                OperatorAcc.Close();
            }

        }

        
        
        
// Properties
        public object this[string cs]
        
{
            
get
            
{
                
if (osdData.DataLink.ToUpper().IndexOf(";SERVER=") != -1)
                
{
                    
return this.SqlDR[cs];
                }

                
return this.OleDR[cs];
            }

        }

    }

}



使用方法简单说明:
1、代码对比

1)传统Web网站数据库编程代码

GridView1.DataSource = ds.Tables[TableName1].DefaultView;
GridView1.DataBind();

2)使用DBOperator.Data数据库组件

        GridView1.DataSource = ds;
        GridView1.DataBind();

2、数据库配置
WebConfig里使用哪个数据库,就打开哪个。
 <!add key="OperatorDataLink"  value="dbAcc.mdb"/>
        <!--add key="OperatorDataLink"  value="uid=sa;pwd=sa;database=dbSQL;server=."/-->

3、数据源调用
例如:1) DataSet调用方法:
    protected void Page_Load(object sender, EventArgs e)
    {
        DataSet ds = osdData.DataSet("SELECT * FROM XiaoYin_User", 0, 0, "dsTable");//使用组

       件的scData类,实现DataSet功能

        //数据源
        GridView1.DataSource = ds;

        //为GridView绑定数据
        GridView1.DataBind();
    }

      2) Reader调用方法:

      protected void Page_Load(object sender, EventArgs e)
      {
        //使用scReader类,实现DataReader功能
        osdReader dr = new osdReader("SELECT * FROM XiaoYin_User");

        //循环启动阅读器
        while (dr.Read())
        {
            //输出指定列
            Response.Write(dr["u_name"] + "<br>");
        }
        dr.Close();//关闭阅读器
      }


实现功能:
     
osdDataSet类
     读取(DataSet方式),插入,更新,删除,统计
     1,读取
       DataSet ds=osdData.DataSet("SELECT * FROM 表 WHERE 条件",开始行,多少行,"虚拟表名");
     2,插入
       osdData.ExecuteNonQuery("INSERT INTO 表 (列1,列2) VALUES (变量1,变量2)");
     3,更新
       osdData.ExecuteNonQuery("UPDATE 表 SET 列1=变量A,列2=变量B WHERE 条件");
     4,删除
       osdData.ExecuteNonQuery("DELETE 表 WHERE 条件");
     5,统计
       osdData.ExecuteScalar("SELECT * FROM 表 WHERE 条件",统计类型)
统计类型分两种:
       int 整型:1
       double 带小数点:2

//---------- osdReader类 --------------------
实现功能:读取(DataReader阅读器方式)
调用方法:
osdReader dr=new osdReader("SELECT * FROM 表 WHERE 条件");
//--------------------------------------------
if(dr.Read())
{
   //如果特定条件的值存在,立即终止下一行的读取
}
//--------------------------------------------
while(dr.Read)
{
   //循环读取符合条件的值
}
//--------------------------------------------
调用读取出来的值:
dr["列名"].ToString();
使用完后关闭:
dr.Close();

全部源码与实例打包下载地址:

http://bbs.crfly.com/19591/ShowPost.aspx

 

———————————————————————
任何美好的事物只有触动了人们的心灵才变的美好;
孤独的时候看看天空里的雨,其实流泪的不只是你。

———————————————————————
 

C#工厂模式多数据库(实现SQL和MYSQL的切换) 利用C#工厂模式实现ASP>NET下的多数据库切换问题,代码的简单实现 立即下载

相关推荐

手把手教你用CANopen SDO报文控制步进电机(附CIA402协议详解)

本文详细解析了如何通过CANopen SDO报文控制步进电机,深入讲解CIA402协议的核心架构、状态机模型及对象字典管理,并提供实战代码示例。从SDO报文构造到多轴同步控制,帮助开发者掌握工业级步进电机的精确控制技术,适用于自动化设备开发。

weixin_33737774的博客 489

C#操作多种数据库

C#操作多种数据库1.C#连接连接Access 程序代码: using System.Data; using System.Data.OleDb; .. string strConnection="Provider=Microsoft.Jet.OleDb.4.0;"; strConnection+=@"Data Source=C:BegASPNETNorthwind.mdb";OleDbConne

ICE FROG的博客 1174

神领物流-day01-项目概述

公司从2019年开始业务快速扩张,网点数量从138家扩展至540家,车辆从170台增长到800台。同时,原有的系统非常简单,比如车辆的调度靠人工操作、所有的货物分拣依靠人员,核心订单数据手动录入,人效非常低。随着业务不断演进,技术的不断提升,原有运输管理系统已无法满足现有快速扩展下的业务需求,但针对现有系统评估后发现,系统升级成本远高于重新研发。因此,公司决定基于现有业务体系进行重新构建,打造一套新的TMS运输系统,直接更替原有系统。

心飞为你飞 2258

Winform开发框架中实现多种数据库类型切换以及分拆数据库的支持

在很多应用系统里面,虽然一般采用一种数据库运行,但是由于各种情况的需要,可能业务系统会部署在不同类型的数据库上,如果开发的系统能够很方便支持多种数据库的切换,那可以为我们减少很多烦恼,同时提高系统的适应性和强壮型。还有一种情况,由于业务数据库的不断膨胀或者方便数据库的切割隔离,有时候也会把不同的业务数据库进行分拆,如权限提供数据库,客户关系管理数据库,工作流程数据库,企业营运数据库等等,因此在一个...

weixin_34104341的博客 247

Vivado IP核调参大师:高效配置RS编码器的避坑指南

本文深入解析Vivado中RS编码器IP核的高效配置方法,涵盖符号宽度选择、码长优化和AXI4-Stream接口控制等关键参数。重点指导如何避开常见陷阱,实现FPGA设计中的资源优化与性能平衡,提升RS编码在通信系统中的可靠性。

metaverse5vr的博客 224

从零搭建风电场:手把手教你用WAsP+WindPRO完成风资源评估全流程

本文详细介绍了从零开始搭建风电场的全流程,重点讲解如何使用WAsP和WindPRO进行风资源评估和风场布局优化。内容包括软件配置、数据采集规范、风图谱建模实战、机组选型策略以及常见问题解决方案,帮助工程师掌握风电开发的核心技术,提升项目成功率。

year5的博客 373

采用C#泛型实现数据库之间的切换

最近做的一个项目,我最开始选用的是 MySql 5.0 数据库,项目提交之后,对方要求换成 MS SQLServer 2000,还好数据层操作基本采用的是标准的SQL语句,也未使用存储过程,于是将原有的数据接入层代码改写成泛型类,只改了不到一百行代码,具体的SQL操作语句一句未动,便实现了数据库之间的切换。下面简述: 数据库不是很复杂,因此我采用了两个类:(1) DataP...

aobannie0463的博客 273

手机移动端-纯js浏览器h5调用摄像头扫描识别解析 条形码+二维码

一、场景 h5原生js 浏览器端解决识别二维码条形码功能; 不借助Hbuilder.需要自己打包成APP,比如用Hbuilder打包,浏览器端项目h5无打包成app部署X不采用 不借助微信扫一扫,调用微信js-jdk有多麻烦,还要认证服务号,也不适用其它浏览器打开X不采用 二、思路 1.思路一:input(相机拍照)+条形码或二维码识别js支持库 通过h5-input[camera]调用相机进行拍照成图片,通过条形码等识别库解析出数据; <input @cha...

徐子厚的博客 3万+

C#配置多数据源访问

使用方法: 源码分享:链接:链接:https://pan.baidu.com/s/1ggurNSv 密码:n46m 第一步:new Connect(“mySqlConnnect”)对象 //调用connect.config文件的mySqlConnnect下的配置,方便调用多个数据源和自定义数据源。 但是:四种数据源配置必须包含固定的字段: oracle数据库 节点必须含有:oracleC...

qq_26408545的博客 3122

【Python】秋招机考 —— 2025/8/27 华为 AI 方向

2025 华为 AI 秋招机考题目包含15道单选题、5道多选题和2道机器学习编程题,涵盖核心算法与数学知识。单选题考察了Softmax激活、Transformer位置编码、Jacobi迭代、大模型幻觉现象、特征向量、K-means聚类、矩阵秩、实对称矩阵性质、SVD分解、概率论等知识点。多选题涉及高斯-赛德尔迭代和朴素贝叶斯分类器。

一杯水果茶!足矣~ 842

YOLOv11改进,YOLOv11引入B2CNet的BFAM(双时相特征聚合模块),JSTARS 2024,二次创新C3k2结构

YOLOv11改进,YOLOv11引入B2CNet的BFAM(双时相特征聚合模块),JSTARS 2024,二次创新C3k2结构

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 411

C#学习- 通过基于接口的编程来实现数据库的切换

  昨晚有去想一下,实现数据库切换的其他方法。这个方法不是我想到,以前看过别人这么做过。然后回忆回忆着就写出来了。   好了,说一下他实现的方法。当然他有一个比较大的缺点在后面说一下。在ADO.NET里有很多操作数据库的类。   1、例如以MSSQLSERVER来讲就有SqlConnection、SqlDataReader、SqlCommand等操作数据库相关的类,只要你VS里面右键这些类名选...

weixin_30340617的博客 334

PLC如何控制电子膨胀阀(暖通空调/制冷系统)

电子膨胀在冷水机空调系统里广泛采用,大部分空调系统都会有电子膨胀阀,但是电子膨胀阀的控制接口和普通电磁阀完全不同,所以想要PLC直接控制电子膨胀阀,还是比较麻烦的,电子膨胀阀可以理解为一个简易步进电机,体积非常小,线圈和转子部分可以分离。下面我们看下PLC如何控制电子膨胀阀。

RXXW_Dor的博客 4763

多数据源切换方案

方案2 :基础的配置方案:https://blog.csdn.net/xue_xiaofei/article/details/109779714?方案1:需要注意的坑,关于多数据源事务回滚的:https://baijiahao.baidu.com/s?方案3:参考:https://www.cnblogs.com/daikainan/p/14431534.html。

weixin_46120382的博客 342

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

C# 相当全的数据转换工具类,30+个数据类型转换

C#通用工具类,包括byte[]转数字、CSV、数字转byte[]、16进制数转换、TryParse、DateTime等30多种转换函数

WangMing_X的博客 769

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

上一篇: 在VS2005中 GridView导入Excel的两点小技巧-附源码
下一篇: [发布]箫心Web个人共享服务器2007.1.15.0 DotNetC#2.0开发
Developernet
博客等级 码龄22年 324粉丝 52原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值