windows下批处理文件的编写

第5节 批处理编写及其示例 本文主要介绍了如何创建批处理文件,以及写一些简单的批处理脚本程序,如删除垃圾文件、生成垃圾文件、开机就死循环、定时小程序和蓝屏程序。 阅读详情

学习地址

在学习批处理命令的过程中搜索到网上的一个《批处理命令一日一教学》系列,讲得非常浅显易懂,特此mark

http://www.bathome.net/thread-2576-1-1.html


创建批处理文件


新建记事本文档,将其后缀.txt改为.bat,再用记事本打开编辑是一个批处理文件了。

批处理中的等号两边不要加空格

常用命令


echo 显示此命令后的字符
echo. echo; echo\ echo/ 这四个指令均是换行作用,注意上面的. ; \ / 是紧贴着echo指令的
echo off  所有后续命令都不显示命令行本身
@ 与echo off类似,放在每个命令行的前面,不显示此命令行
call 调用另一个批处理文件(如果不使用call而是直接调用的话将不能返回到当前批处理文件中执行后续命令)
rem 注释可以使用::代替
dir /? 查看dir指令的帮助信息
help dir 查看dir指令的帮助信息与上相同ydf
type d:\testbat\test.txt 将d:\testbat下的信息打印在屏幕上
cd /d d:\testbat\ 更改当前目录至d:\testbat\下,(注意其中的/d选项,可以直接更改驱动器,例如当前在c:\下,可以用此命令直接转至d:\testbat\下)
tree .\ > list.txt 将当前目录的目录树重定向输出至文件list.txt
tree .\ >> list.txt  将当前目录的目录树追加输出至文件list.txt,注意与上面指令">"的区别
if if指令可以作为判断分支,具体用法可以通过if /?或者help if 命令进行详细查看
cd . > test.txt 产生0字节文件test.txt

copy文件复制详解 如果要复制的路径带有空格、&等特殊符号的时候,要使用引号把这些特殊符号括起来

goto 流程跳转详解
del删除操作
ren重命名文件文件夹
md创建文件夹
rd删除文件夹
move移动文件文件夹
find字符串查找

for命令非常好用
for /L %%A in (1,1,254) do ping 192.168.0.%%A | find "Reply" >> pingall.log
说明:"/L"参数代表迭代, ”%%A”是可替换参数, “(1,1,254)" "表示从1开始,步长为1,一直到254.  find "Reply" 表示一旦发现Reply就将结果写入Pingall.log中。
关键记住变量%%A 以及do后要做的与变量%%A相关的指令即可。

有时候windows的批处理能带来很方便的操作,批处理也有变量声明,下面一段就是说的如何使用批处理中的变量。
set 功能一览

[设置变量]
格式:set 变量名=变量值
详细:被设定的变量以%变量名%引用

[取消变量]
格式:set 变量名=
详细:取消后的变量若被引用%变量名%将为空

[展示变量]
格式:set 变量名
详细:展示以变量名开头的所有变量的值

[列出所有可用的变量]
格式:set

[计算器]
格式:set  /a 表达式
示例:set /a 1+2*3  输出 7

[设置变量为表达式计算后的值]
set a=1+2
echo %a% ==>输出1+2
------------------------------------
set /a a=1+2
echo %a% ==>输出3

[设置变量为用户输入的值]
set /p a=输入一个值 ==>输出 输入一个值
echo %a% ==>显示用户输入的值


预定义的变量

下面是些已经被底层定义好可以直接使用的变量:不会出现在 SET 显示的变量列表中
%CD% - 扩展到当前目录字符串。
%DATE% - 用跟 DATE 命令同样的格式扩展到当前日期。
%TIME% - 用跟 TIME 命令同样的格式扩展到当前时间。
%RANDOM% - 扩展到 0 和 32767 之间的任意十进制数字。
%ERRORLEVEL% - 扩展到当前 ERRORLEVEL 数值。
%CMDEXTVERSION% - 扩展到当前命令处理器扩展名版本号。
%CMDCMDLINE% - 扩展到调用命令处理器的原始命令行。
%0 bat的完整路径名如"C:\Windows\system32\xxx.bat"
%1 bat参数1依次类推%2参数2...
%path% - 当前的环境变量。以分号隔开的路径列表,路径可包含空格,可以以'\'结尾, 可以以双引号包围之。


扩展变量

@ 与%i相关的变量(bat参数或者for循环的%i)
假设文件为C:\Documents and Settings\jinsun\桌面\ParseSinglePkgs.bat
%0        C:\Documents and Settings\jinsun\桌面\ParseSinglePkgs.bat
%~dp0  C:\Documents and Settings\jinsun\桌面\
%cd%   C:\Documents and Settings\jinsun\桌面
%~nx0   ParseSinglePkgs.bat
%~n0     ParseSinglePkgs
%~x0     .bat

@ 与%VAR%相关的变量
%VAR:str1=str2%   会将VAR中的str1替换为str2(str2如果为空则可以达到删除的效果,str1前可以加*,变量%ABC:*B=%是C)
%VAR:~0,-2%          会提取VAR 变量的所有字符,除了最后两个
%VAR:~2%              会提取VAR 变量的除前两个的所有字符
%VAR:~-2%             会提取VAR 变量的最后两个
%VAR:~2,5%           提取从第2个字符开始的5个字符

这篇文章看完了就懂了“%date:~0,4%%date:~5,2%%date:~8,2%.sql”是什么意思了。

sample:

要利用计划任务和mysqldump实现自动备份mysql,


于是写了下面这个bat文件,
@echo off
F:\wwwroot\APMServ5.2.6\MySQL5.1\bin\mysqldump.exe -u root -p 111111 hsjk120>F:\wwwroot\APMServ5.2.6\MySQL5.1\bin\%date:~0,4%%date:~5,2%%date:~8,2%.sql
但是执行的时候总是提示Enter password: 这样就失去自动备份的意义了。
后来发现-p 参数比较特殊,正确语法是 -ppassword,即-p和密码中间不能有空格,于是就修改成
@echo off
F:\wwwroot\APMServ5.2.6\MySQL5.1\bin\mysqldump.exe -u root -p111111 hsjk120>F:\wwwroot\APMServ5.2.6\MySQL5.1\bin\%date:~0,4%%date:~5,2%%date:~8,2%.sql
这样就直接备份不再提醒输入密码了。

下面这段是批处理,生成以当天日期为文件名的sql文件
%date:~0,4%%date:~5,2%%date:~8,2%.sql

实测后发现: %date:~6,4%%date:~0,2%%date:~3,2%.sql 能够输出正确的以当天为文件名的sql文件,这个可能与时间格式有关,

02/24/2014 Mon 这是调用命令echo %date%显示的结果。

set testPSNRPath=C:\Users\t_dingfeny\Desktop
cd %testPSNRPath%default
与
set testPSNRPath=C:\Users\t_dingfeny\Desktop\
cd %testPSNRPath%default
结果一致
而
set testPSNRPath=C:\Users\t_dingfeny\Desktop
cd %testPSNRPath%\default
错误,可见,不能简单的看做字符串的组合

setlocal enabledelayedexpansion的用法
@echo off 
setlocal enabledelayedexpansion
set k=3
set k=4
echo !k!
pause
使用setlocal enabledelayedexpansion之后,变量被延迟赋值,相当于动态赋值,显示的是最新的赋值结果也就是4,而不加的话不会延迟赋值,也就是静态赋值,相当于只赋值最早的一个值。


AI编写的一个windows11系统垃圾清理批处理文件 echo offchcp 65001echo 正在关闭休眠模式并删除休眠文件...:: 关闭休眠模式echo 正在关闭屏幕和睡眠超时设置...:: 设置屏幕关闭时间为从不(0表示永不关闭):: 设置睡眠时间为从不(0表示永不进入睡眠):: 设置休眠时间为从不(0表示永不进入休眠)echo 屏幕关闭和睡眠超时设置已关闭。:: 删除休眠文件(hiberfil.sys)echo 休眠模式已关闭,休眠文件(hiberfil.sys)已删除。 阅读详情

相关推荐

Windows批处理文件(BAT)从入门到实战:自动化脚本编写指南

在Windows系统自动化领域,批处理文件(BAT)作为一项基础而强大的技术,通过命令行解释器cmd.exe实现任务自动化。其核心原理是将一系列CMD命令按顺序写入文本文件,实现批量执行和流程控制。这项技术的价值在于其轻量、零依赖和系统原生支持,特别适合文件管理、系统配置和日常任务自动化等场景。在自动化脚本编写中,BAT文件通过环境变量、流程控制和命令组合,能够高效处理文件操作、进程管理和系统维护任务。本文聚焦于BAT脚本的实战应用,深入解析核心命令如robocopy、for循环和条件判断,并结合自动化备份

weixin_34072296的博客 303

快速入门 Windows 批处理编写:无需编程经验

批处理编写(病毒)

weixin_43263566的博客 7924

Windows操作系统中编写批处理(.bat)文件的介绍

编写批处理文件是学习Windows操作系统的一个重要方面。通过掌握批处理文件的基础知识和高级功能,您可以自动化重复性任务,提高工作效率。在编写批处理文件时,建议使用注释、合理使用错误处理和逻辑结构,以及进行充分的测试。随着您对批处理文件的深入理解,您可以编写更复杂、更高效的脚本来满足您的需求。

u013558123的博客 1055

Windows批处理编程(包含基础DOS命令)

Batch file programming是微软操作系统自带的原生的开发语言,不需要构建任何环境就可以执行的脚本。且Batch file批处理文件使用cmd.exe执行。关键字:startStart:可新建一个cmd窗口Start "bt" :可以新建一个title为bt的窗口Start+文件名 :就是打开文件,会新建一个窗口B :启动应用程序,但不会创建新窗口了其他的可以在 start /?或者/help处学习。

lmei1228的博客 4826

lidar点云比赛-Southlidar软件使用入门

lidar点云比赛-Southlidar软件使用入门 广西高校重点实验室培训基地 系统控制与信息处理重点实验室 本篇博客来自河池学院: 智控无人机小组 写作时间:2020.09.29 一、软件资源及安装 1.下载地址: https://pan.baidu.com/s/1jN1pynmAZOqj5mMx774pVg 提取码:gkvv (资源来自南方测绘) 2.安装 进入链接,找到软件文件夹, 内含文件即为安装包 3.下载成功后按提示安装即可 4.安装成功后桌面自动创建一个快捷方式 二、界面布

qq_49621416的博客 4894

PPO(Proximal Policy Optimization)算法原理及实现,详解近端策略优化

接着上面的讲,PG方法一个很大的缺点就是参数更新慢,因为我们每更新一次参数都需要进行重新的采样,这其实是中on-policy的策略,即我们想要训练的agent和与环境进行交互的agent是同一个agent;与之对应的就是off-policy的策略,即想要训练的agent和与环境进行交互的agent不是同一个agent,简单来说,就是拿别人的经验来训练自己。举个下棋的例子,如果你是通过自己下棋来不断提升自己的棋艺,那么就是on-policy的,如果是通过看别人下棋来提升自己,那么就是off-policy的。

weixin_41106546的博客 9万+

window批处理文件编写指南

window批处理文件编写指南

khbilhjknkjb的博客 1097

Excel也能玩转K-means聚类?手把手教你用表格搞定用户分群(附完整公式)

本文详细介绍了如何在Excel中实现K-means聚类算法,无需编程即可完成用户分群。通过SUMIF、SQRT等基础函数,从数据预处理到最终分群全流程手把手教学,特别强调数据标准化和迭代优化的关键步骤,帮助运营团队低成本高效分析用户行为数据。

weixin_30555125的博客 181

Windows批处理文件编写指南

5、示例: 循环10次记录某宝内存情况保存在脚本路径下的D.txt文件中。4、示例: 在脚本路径下创建以当前年月日命名的目录。1、首先需要用编辑器或记事本创建一个普通文件。然后双击该文件,即可运行您的批处理脚本。3、编写后保存,扩展名为。

咬尾巴的猫在coding的博客 1819

Gartner DSG数据安全治理 架构及解读

目录背景:架构图: 解释:英文解释:(自上而下)平衡业务与风险、威胁、合规之间的关系(5个维度之间的平衡)优先处理数据集制定安全策略实施安全工具策略配置同步从上到下,从需求调研开始实施数据安全治理。千万不要跨过数据摸底、治理优先级分析、制定治理整体策略,而直接从技术工具开始对数据安全进行治理。 先明确选择需要治理的对象,优先选择重要数据进行数据安全治理工作。可以通过数据梳理、分类分级等手段,完成数据资产盘点和筛选,在纷杂的数据中理清头绪。

锦慈的技术博客 7220

17【Protues单片机仿真】基于51单片机的太阳能智能谷物翻晒机器人

基于51单片机,避障,低于50CM报警,LED灯亮起,自动翻晒用光敏电阻,光照强度大,电机转动,相当于翻晒粮食,远程控制用按键代替,按下去电机就转动,相当于翻晒粮食,然后光照强度和超声波的距离都在LCD1602显示屏显示出来。

weixin_70360261的博客 1450

如何编写linux批处理文件,Linux和Windows下的批处理文件编写

一、Linux下批处理文件编写1.先建一个文档,如名为test,修改其文件权限使其为可执行文件。sudo chmod +x test2.打开test文档,编辑。cd 绝对路径for i in *.cnf; do ./zchaff $i >> 求解结果所放路径下的sol.txt文档; done3.执行./test二、Windows下批处理文件编写1.生成.bat文件...

weixin_29547681的博客 718

疾风气象大模型4.0白皮书

《疾风气象大模型白皮书摘要》 疾风气象大模型(J-AFM)是国内首个基于3D建模的气象智能平台,突破传统二维气象分析的局限,采用体素化技术构建"x-y-z-t"四维统一模型,实现从分钟级短临到30天跨时效的连续预测。核心技术包括:1)多源数据三维同化,融合雷达、卫星、风廓线等异构数据;2)物理约束AI解码器,嵌入能量守恒、湍流封闭等气象原理;3)行业适配插件,服务风电、光伏、航空等领域,如山地风场尾流校正、云影短临预测。平台支持批流一体推理与边缘部署,提供概率化输出和误差溯源能力,显著降

专注AI大模型,软件混淆,授权 545

Windows系统环境编写DOS批处理文件

Windows系统环境编写DOS批处理文件 ​ 今天在Windows系统做网络通信实验,顺便整理一下以前编写的一个批处理的学习菜单文件。功能是根据我个人需要填写的,如果感兴趣的人可以自行修改源程序满足自己的需要。 1. 编写学习菜单, 源代码如下: @echo off title 小伟学习课程选择界面 color 0a mode con lines=15 cols=48 :start cls echo= echo *******学 习 菜 单******* echo= echo

Bruce_xiaowei的博客 3341

Windows远程桌面开发之九-虚拟显示器(Windows 10 Indirect Display 虚拟显示器驱动开发)

by fanxiushu 2019-06-24 转载或引用请注明原始作者。 这里与远程桌面关系不是太大,但这个部分是xdisp_virt远程控制程序的实现多显示器桌面扩展的子功能,因此也归为远程桌面开发一类。 这篇文章与之前发布的...

fanxiushu的专栏 2万+

Python爬虫实战:使用Scrapy+Playwright高效爬取全球专利数据库

本文将详细介绍如何使用Python最新技术栈(Scrapy+Playwright)构建一个高效的专利数据库爬虫系统。我们将从爬虫基础知识讲起,逐步深入到反爬应对策略、分布式爬虫架构以及数据存储方案,最终实现一个完整的专利数据采集系统。专利数据是技术创新领域的重要信息资源,包含技术描述、权利要求、申请人信息等宝贵数据。中国国家知识产权局(CNIPA)美国专利商标局(USPTO)欧洲专利局(EPO)世界知识产权组织(WIPO)

2201_76125261的博客 1387

Linux和Windows下的批处理文件编写

一、Linux下批处理文件编写 1.先建一个文档,如名为test,修改其文件权限使其为可执行文件。 sudo  chmod  +x  test 2.打开test文档,编辑。 cd  绝对路径 for  i  in  *.cnf;  do  ./zchaff  $i  >> 求解结果所放路径下的sol.txt文档; done 3.执行 ./test   二、Window...

weixin_42612230的博客 1036

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")

掌握基础:编写你的首个Windows批处理文件

Batch文件是一个文本文件,扩展名为.bat或.cmd。它允许用户将多个命令组合在一起,以便一次性执行,这样可以节省时间并减少重复性工作。

2402_85762143的博客 719

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Windows系统中编写Dos批处理文件。nginx的.bat文件编写与使用

打开记事本,并编写所要运行的命令 保存为拓展名为.bat的文件 将文件移动到所要运行的目录下。双击。

qq_38382925的博客 330

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

windows 批处理文件的编写

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34067049的博客 513

macOS如何像windows一样去编写类似bat一样的批处理文件

在新公司使用了近两个月的windows开发,那是真的难受~~下周准备带自己的笔记本去上班,闲话少叙 日常开发过程中,经常会用到一些adb的指令 比如从手机存储中pull一个log文件到pc,虽然代码不多,但毕竟懒才是推动程序员进步的源泉,我将cmd指令 adb pull /sdcard/xx.log D:/Temp/ 写成批处理文件  @echo off     IF EXIST C:\Us

iostyle 的博客 1万+

Windows下批处理文件(.bat)的编写

相关命令查看参数: /? 在不知道cmd中相关命令的用法时,就可以使用上述命令进行查询,或者百度。。。 更改命令行窗口的大小: mode con cols=65 lines=18 该命令同时也会改变屏幕的缓冲区大小(直观表现就是没有滚动条了。。。) echo off/on 关闭/打开回显。回显,即你输入的命令会显示在dos窗口中。 如果只想关闭某句命令的回显,只需要在...

szuhuanggang的博客 3620

windows 批处理文件编写 相关命令

批处理的作用 简单的说,批处理的作用就是自动的连续执行多条命令。 这里先讲一个最简单的应用:在启动wps软件时,每次都必须执行(&gt;前面内容表示DOS提示符): C:\&gt;cd wps C:\WPS&gt;spdos C:\WPS&gt;py C:\WPS&gt;wbx C:\WPS&gt;wps 如果每次用WPS之前都这样执行一遍,您是不是觉得很麻烦呢? 好了,用批处理,就可以实现将...

iteye_20696的博客 206

批处理编写(windows脚本文件)和一些简单的病毒

本文主要介绍了批处理编写(windows脚本文件)的知识,并介绍了通过windows脚本的一些简单的病毒,如:蓝屏命令、恶意清空桌面等。

Little_Busters的博客 1491

Windows下编写简单.bat文件设置java home,java path批处理命令行控制台启动java

Windows下编写简单.bat文件设置java home,java path批处理命令行控制台启动java。把以上内容写入记事本,保存时候文件后缀写成.bat。

Zhang Phil 407

【愚公系列】2021年12月 网络工程-windows系统批处理文件编写

一、批处理编写 1.1批处理的作用 自上而下成批的处理每一条命令,直到执行最后一条! 1.2如何创建批处理 扩展名: .bat 创建方法:新建一个记事本文件,然后将扩展名改为.bat 修改扩展名时,需要将文件的扩展名显示出来后再进行修改! 1.3、批处理基本语法 1.3.1、@echooff 作用:关闭回显功能,也就是屏蔽过程,建议放置在批处理的首行。 1.3.2、pause 作用:暂停批处理运行 案例: @echo off pause 执行结果如下: 1.3.3、title 作用:为批处理脚本设

愚公智库 5万+
上一篇: HM在vs2010下的测试使用详细说明
下一篇: U盘安装winXp或者win7 + ubuntu
DiffenYu
博客等级 码龄14年 14粉丝 29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