QT::QKeyEvent

错_对 错_对 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.1w累计阅读 2.2w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄16年
关注
翻译 最新推荐文章于 2026-03-03 15:22:12 发布 2.1w 阅读 AI 写同款· GEO 优化 ›
Qt事件系统：键盘事件 QKeyEvent 类用来描述一个键盘事件。当键盘按键被按下或者被释放时，键盘事件便会被发送给拥有键盘输人焦点的部件。QKeyEvent 的 key() 函数可以获取具体的按键，对于 Qt 中给定的所有按键，可以在帮助中查看 Qt: :Key 关键字。需要特别说明的是，回车键在这里是 Qt::Key_Return； 阅读详情
QKeyEvent类参考
QKeyEvent类用于描述键盘按键所产生的QT事件
#include<QKeyEvent>
继承于QInpueEvent
公有函数：

QKeyEvent ( Type type, int key, Qt::KeyboardModifiers modifiers, const QString & text = QString(), bool autorep = false, ushort count = 1 )

            
int count () const
bool isAutoRepeat () const
int key () const
bool matches ( QKeySequence::StandardKey key ) const
Qt::KeyboardModifiers modifiers () const
quint32 nativeModifiers () const
quint32 nativeScanCode () const
quint32 nativeVirtualKey () const
QString text () const
相关的非成员函数：
bool operator== ( QKeyEvent * e, QKeySequence::StandardKey key )
bool operator== ( QKeySequence::StandardKey key, QKeyEvent * e )
细节描述：
QKeyEvent类用于描述键盘按键所产生的QT事件，当一个窗口具有输入焦点时，通过键盘的按键的（敲击/释放）所产生的QT键盘事件
可以传送给具有输入焦点的窗口进行处理。
键盘QT事件包含了一些指定的接收标志用于指出QT事件接受者是否对该事件进行处理，如果窗口不处理键盘的（敲击/释放）
可以通过调用ignore()函数予以忽略。键盘QT事件具有传递性，会传送给父窗口及顶层窗口所构成的链表，一层一层的传递，
直到某窗口调用accept()予以接受，或者过滤直至该事件被销毁。键盘QT事件对于多媒体在默认情况下总是被忽略的，
如果你的窗口要处理该事件，可以通过调用accept()函数予以接收。


可以通过调用QWidget::setEnable()函数设置某个窗口开启/禁止接收鼠标或键盘事件。
QT事件句柄函数 QWidget::keyPressEvent(), QWidget::keyReleaseEvent(), QGraphicsItem::keyPressEvent() 
, QGraphicsItem::keyReleaseEvent()可以用于接收键盘事件。


成员函数描述：

QKeyEvent::QKeyEvent ( Type type, int key, Qt::KeyboardModifiers modifiers, const QString & text = QString(), bool autorep = false, ushort count = 1 )

初始化一个keyEvent对象。
参数type必须是QEvent::KeyPress, QEvent::KeyRelease, or QEvent::ShortcutOverride其中之一。 
参数key用于监听QT::Key循环事件，如果key为0则导致键盘事件的是一个未定义按键，例如，导致该键盘事件的可能是
连续不断的按键下压操作或者是预定义的快捷键。  
参数modifiers用于指出键盘按键键值的改变，同时给出该按键对应的Unicode编码信息。
如果参数autorep为true，函数isAutoRepeat()函数就返回true
参数count用于计算该键盘事件所牵扯到得按键的个数。


int QKeyEvent::count () const
返回键盘QT事件所牵扯到的按键的数量，如果函数text()返回不为空，则本函数只是简单的计算该文本字符串的长度。


bool QKeyEvent::isAutoRepeat () const
如果该键盘QT事件时由于一些列的自动重复的按键导致的则返回true，否则返回false
注意，如果导致多次叠加的按键组合其中一部分是自动循环形式产生的，则该函数不确定是返回true还是false。


int QKeyEvent::key () const
返回按键被下压或释放时对应的编码值。查看Qt::Key键盘编码清单，这些编码信息都是依赖于底层操作系统的。
该函数不区分大小写，要想知道返回的按键编码所对应的按键是大写还是小写（比如A和a）可以通过调用text()函数得到。  
数字0和Qt::Key_unknown代表导致QT键盘事件的不是一个well_known按键所产生的，例如，导致该键盘事件的可能是一系列复杂的输入，或者是快捷键，或者是被压缩的按键所导致的。

bool QKeyEvent::matches ( QKeySequence::StandardKey key ) const
如果导致键盘QT事件的按键编码值和参数key所给出的标准按键值匹配则返回true，否则返回false.
该函数在QT4.2中有介绍。该函数可以通过迭代方式得知当前按下的是哪一个按键。


Qt::KeyboardModifiers QKeyEvent::modifiers () const
键盘QT事件生成后直接返回导致该事件的热键。提示：该函数并不总是返回很确切的结果，当用户同时按下shift+组合键或者
释放其中某一个键时，该函数就可能返回一个让用户迷惑的结果。


quint32 QKeyEvent::nativeModifiers () const
返回导致键盘QT事件的热键编码值，如果该事件不包含所对应的热键则返回数字0.
附注：即便键盘事件包含扩展信息，该热键也可能是为0的。
该函数在QT4.2中有介绍。


quint32 QKeyEvent::nativeScanCode () const
返回导致该键盘QT事件的扫描码，如果敢事件不包含所对应的扫描码则返回数字0.
附注：即便键盘事件包含扩展信息，该扫描码也可能是为0的。
附注：在Mac OS/X 系统上该函数式无效的，因为没有办法从Cocoa或者Carbon中获取扫描码，该函数通常返回1，或者当包含扩展信息时返回0.
该函数在QT4.2中有介绍


quint32 QKeyEvent::nativeVirtualKey () const
返回导致键盘QT事件的虚拟键或者字符码，如果该键盘事件没有包含该按键的编码则返回0.
附注：即便键盘事件包含扩展信息，该虚拟键也可能是为0的。 
该函数在QT4.2中有介绍


QString QKeyEvent::text () const
返回导致的键盘事件的Unicode字符编码信息，当导致键盘事件的原因是由热键比如Shift, Control, Alt等的下压或者释放，
则该函数返回的字符可以为空值。在这种情况下函数key()可以返回一个有效值。


相关的非成员函数：
bool operator== ( QKeyEvent * e, QKeySequence::StandardKey key )
如果参数e和参数key类型匹配且相等则返回true
等同于函数 e->matches(key).


bool operator== ( QKeySequence::StandardKey key, QKeyEvent * e )
如果参数e和参数key类型匹配且相等则返回true
等同于函数 e->matches(key).
             
收录于
C++ QT

当前文章被收录于：

C++ QT
11 篇文章 0 人学习
订阅专栏 查看详情
翻译

当前文章被收录于：

翻译
9 篇文章 0 人学习
订阅专栏 查看详情
标签
#qt #扩展 #cocoa
QT键盘事件（QKeyEvent类） QKeyEvent类的使用程序程序效果展示 程序 .h #ifndef KEYEVENT_H #define KEYEVENT_H #include <QWidget> #include <QKeyEvent> class KeyEvent : public QWidget { Q_OBJECT public: KeyEvent(QWidget *pa... 阅读详情

相关推荐

Qt中使用Tab键切换焦点顺序及在MATLAB中的应用

在Qt框架下，我们可以通过设置Tab键的行为来实现焦点切换功能。本文将介绍如何在Qt和MATLAB中实现Tab键切换焦点的功能，并附上相应的源代码。而在MATLAB中，我们利用Java Swing组件库，通过设置焦点切换的顺序和添加KeyListener来实现同样的功能。在MATLAB中，我们可以通过使用Java Swing组件库来实现Tab键切换焦点的功能。本文介绍了如何在Qt和MATLAB中实现Tab键切换焦点顺序的功能。函数来监听Tab键的按下事件，并在事件发生时手动切换焦点。

持续更新 704

Qt扫盲-QKeyEvent 键盘事件

QKeyEvent 是Qt 里面描述键盘事件的一个属性类，所有的事件本质上来说其实就是一个信息包，而这个包里面就是有这个事件的一些属性信息，我们再处理这个事件的事件处理函数里面就可以把这个 信息包，也就是事件的信息拿到，然后对这些信息进行自己的处理。以 QWidget 为例子，QKeyEvent 当按键被按下或释放时，按键事件将以键盘输入焦点的形式发送给widget。

洪源兄 7111

【Qt入门】详解QMouseEvent与QKeyEvent

在图形用户界面（GUI）编程中，事件处理是一个至关重要的部分。Qt 作为一个强大的跨平台 C++ 应用程序框架，提供了丰富的事件处理机制，其中 QMouseEvent 和 QKeyEvent 是两个主要用于处理鼠标和键盘事件的类。理解和掌握这两个类的使用方法，对于开发响应用户输入的交互式应用程序至关重要。本文将详细介绍 QMouseEvent 和 QKeyEvent 的成员函数及其作用，并通过示例代码展示如何处理这些事件。

m0_62599305的博客 1415

Qt键盘事件

QKeyEvent 类用来描述一个键盘事件。当键盘按键被按下或者被释放时，键盘事件便会被发送给拥有键盘输人焦点的部件。QKeyEvent 的 key() 函数可以获取具体的按键，对于 Qt 中给定的所有按键，可以在帮助中查看 Qt: :Key 关键字。需要特别说明的是，回车键在这里是 Qt::Key_Return；

houxian1103的博客 1万+

【QT开发】键盘事件处理QKeyEvent类详解及实战应用

QKeyEvent是Qt提供的一个功能强大且灵活的键盘事件处理类，通过本篇文章的学习，你应该对QKeyEvent有了全面的理解，能够在自己的项目中正确使用它。QKeyEvent在用户界面中帮助你更好地处理键盘输入，实现交互式和响应式的应用程序，有助于创建用户友好和高效的界面。

科技改变人类，技术成就未来 514

VFH避障/局部路径规划算法

VFH避障/局部路径规划算法 本文章是我看《The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robots》论文时候的笔记，感兴趣的欢迎去看原论文。 VFH中有一些概念是从其他算法中借鉴过来的，并且VFH算法本身就是对VFF(Virtural Force Field)的一种改进，其中有很多的相似之处。所以按照原论文的思路，先介绍由CMU提出的Certainty Grid算法中的一些概念，再介绍一下势场法中的一些概念，接着介绍一下VFF

qq_41845878的博客 8118

【Qt开发】Qt事件（二）-＞ QKeyEvent 按键事件

本文介绍了Qt框架中的按键事件(QKeyEvent)处理机制。按键事件是GUI应用程序实现键盘交互的核心，包括按键按下、释放和长按等操作。文章详细解析了QKeyEvent的工作原理、事件传播机制、核心属性和处理流程，包括事件处理器重写、事件过滤器和应用级处理三种方式。同时介绍了按键事件的三种主要类型：按下事件、释放事件和特殊按键处理，并列举了文本编辑、界面导航、快捷键和游戏控制等典型应用场景。最后提供了注意事项与最佳实践，包括焦点管理、平台差异处理、事件冲突解决等要点，并附有单个按键和组合键处理的代码示例。

枫叶丹4的博客 2709

ST-LINK调试原理与STM32硬件连接实战指南

嵌入式调试器是连接开发环境与物理MCU的核心枢纽，其本质是基于ARM CoreSight架构的实时硬件观测与控制接口。它通过JTAG或SWD协议访问内核寄存器、内存及外设，实现断点、单步、内存监视等深度调试能力，远超简单程序烧录功能。ST-LINK作为主流ARM Cortex-M调试器，支持SWD（2线）与JTAG（多线）双模式，在电平匹配、复位控制、引脚复用规避等硬件层面临关键工程约束。掌握VREF参考电压配置、nSRST硬复位接线、调试引脚隔离策略及Keil MDK调试会话配置，是保障STM32稳定联机

weixin_42596214的博客 312

qt QKeyEvent详解

QKeyEvent是Qt框架中用于描述键盘事件的一个类。当用户按下或释放键盘上的键时，操作系统会捕获这些动作并生成键盘事件。Qt框架接收到这些事件后，会创建QKeyEvent对象来封装事件的相关信息，如事件类型（按下、释放等）、键码、是否按下了修饰键（如Ctrl、Alt、Shift）等。然后，Qt的事件系统将这些QKeyEvent对象分发给应用程序的事件循环，由应用程序中的控件或窗口进行处理。

ckg3824278的博客 792

AI与Agent赋能下的软件测试变革：面向未来测试工程师的工作方法论

AI Agent 软件测试 测试 software testing test

测试技师的自我修养 1234

PyQt5 使用QSqlDatabase连接Mysql数据库时Driver not loaded Driver not loaded

PyQt5 使用QSqlDatabase连接Mysql数据库时Driver not loaded Driver not loaded

睡觉不打呼噜的博客 1563

Qt QEvent*转QKeyEvent*

Qt QEvent*转QKeyEvent* 如题 如下即可： QKeyEvent* keyEvent = static_cast<QKeyEvent*>(event); 如果报错 mainwindow.cpp:21:35: error: static_cast from 'QEvent *' to 'QKeyEvent *', which are not related by inheritance, is not allowed qwidget.h:75:7: note: 'QKeyEven

SWY's Workshop 1527

LDRA Testbed软件静态分析_常见问题及处理

通过前面的几篇文章，LDRA Testbed软件静态分析的内容基本讲解完了，本篇文章将针对使用Testbed进行软件静态分析的常见问题进行介绍。 到此为止，LDRA Testbed软件静态分析的内容已经全部讲完，如果有问题，欢迎私信提问（不经常登录，回复可能不及时，见谅）。下一篇文章将开始讲解如何使用Testbed进行单元测试。

文章主要涉及嵌入式软件开发、测试、项目管理等，欢迎交流，共同进步。 2589

QT::QKeyEvent事件（译文）

QKeyEvent类参考 QKeyEvent类用于描述键盘按键所产生的QT事件 #include 继承于QInpueEvent 公有函数： QKeyEvent ( Type type, int key, Qt::KeyboardModifiers modifiers, const QString & text = QString(), bool autorep = false,

huyisu的专栏 7592

【ComfyUI】Wan2.2 Animate 背景保留动作迁移视频生成

本文介绍了一个基于ComfyUI的高精度视频生成工作流"Wan2.2 Animate"，该系统融合动作捕捉、图像拼接和LoRA加权等技术，能自动识别人脸并完成精准动作迁移，同时保持背景稳定。工作流采用模块化设计，包含输入提取、图像融合、模型加载等关键节点，核心模型Wan2.2-Animate-14B支持fp8精度与BlockSwap控制。流程分为图像输入、动作提取、多图合成等五个阶段，通过文本提示编码器和图像语义编码器实现语义驱动的动作生成，最终输出高质量视频，适用于虚拟形象驱动和

Mr数据杨 2264

避坑指南！YOLO26模型导出/推理常见问题，99%的开发者都踩过

版本锁定：Ultralytics=8.4.2、OpenVINO=2024.0.0、Python=3.10，版本不一致是80%问题的根源；参数对齐：训练/导出/推理的imgsz、归一化、坐标映射必须完全一致，差一步就出错；算子统一：避免自定义算子，优先用YOLO26原生算子（C3k2/PSABlock），确保推理引擎兼容；分步验证：导出后先校验ONNX/IR模型→单图片推理→RTSP流推理→72小时稳定性测试，一步过易踩坑；工业级测试。

专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。 510

linux Qt QkeyEvent及驱动键盘按键捕获

查看输入的QKeyEvent类，发现有一个方法key返回哪一个按键按下，返回的按键为枚举Qt::Key的值。也就是说接受按键事件在keyPressEvent和keyReleaseEvent这两个函数，继续查看。查看驱动可以得知正点原子开发板上的按键驱动为键盘的114键值，即。QT中有专门的类处理键盘事件的类QKeyEvent。3.运行，按下键盘上的0，显示按下，松开显示松开。./执行，尝试按键，查看文字变化，成功。2.重构按键按下松开的函数。跳转到安装的交叉编译器目录。查看它的说明中的描述。

m0_54442739的博客 773

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。

[QT学习日志]QTableWidget、QCloseEvent重写、QKeyEvent

QT学习日志

xxbnb的博客 378

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

【笔记1-2】Qt系列：QkeyEvent 键盘事件 设定快捷键

在mainwindow.h中声明两个成员函数。在mainwindow.c中实现两个成员函数。

qq_43598101的博客 1028

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")

【QT学习】QKeyEvent键盘事件制作简单软件盘

文章目录QKeyEvent键盘事件改变焦点的方式以及策略(focusPolicy)简单软键盘(部分按键)制作代码： QKeyEvent键盘事件 构造函数： QKeyEvent(QEvent::Type type, int key, Qt::KeyboardModifiers modifiers, const QString &text = QString(), bool autorep = false, ushort count = 1) 参数说明： type --> 事件的类型(QEv

ZZ123ZZWW的博客 3571

【QT】鼠标按键事件 - QMouseEvent & QKeyEvent

介绍事件的概念以及事件的处理；QKeyEvent (按键事件)、QMouseEvent (鼠标事件)

YoungMLet的博客 9753

【2017-06-06】Qt中的键盘事件：QKeyEvent及相关处理函数

QKeyEvent及其相关的处理函数，比如QKeyPressEvent、QKeyReleaseEvent()等在QtGui编程中非常常用，尤其是需要借助标准键盘的编码来实现一些自定义功能的时候。 这算是QtGui编程中非常基础的东西，但如果事先没仔细了解手册中关于这一部分的介绍的话，还是有不少坑的。 为什么想起来写这个呢？之前的一个项目用了使用标准键盘芯片做的面板，但有一部分按键的k...

dflkg8956的专栏 1401

Qt/QtCreator:主动触发鼠标或键盘事件QMouseEvent与QKeyEvent

QApplication::postEvent(target, event)则是将事件event放入目标target的事件队列中，并立即返回，在目标及其父级窗口的事件循环下一次轮询时会取出该事件进行处理。这个过程类似于一个异步调用。但也需要注意的是，由于QApplication::postEvent()是基于事件循环的机制进行处理的，所以它并不是实时的，可能会存在一定的延迟。

Studyfather的博客 4289
上一篇： QT::QMouseEvent
下一篇： QT::QColor
点赞 4
评论 4
书签 书签 17
错_对
错_对
博客等级 码龄16年 68粉丝 80原创
+ 关注 专栏目录 订阅专栏
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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