AI摘要
在VS编译器中，默认生成的exe名称取自工程名称。若已建好工程想修改exe名称，可通过工程属性修改。介绍了两种方法，一是在常规中修改目标文件名；二是在链接器的常规菜单项修改输出文件值。还提及解决编译警告的方法，建议用第一种方式修改程序名称。
在日常开发中，我们一般会将工程名称设置为生成的exe程序的名称，在VS编译器中，默认生成的exe名称取自工程名称，所以如果是已经建立好工程，想要修改生成的exe名称，可以通过工程属性修改：
直接右键工程属性菜单，在常规中修改目标文件名即可，如下图中：
我们将默认值修改为MySoftware，然后点击应用后再重新生成程序，
除了修改这里的默认值，也可以通过其他菜单项进行修改，同样是工程属性中的链接器->常规菜单项，修改输出文件输入框中的值即可：
另外如果需要pdb文件调试的话，最好也将这里改成同名的值：
使用此方法时，编译会有下方警告输出，但是exe程序是正常运行的。
这个问题通常是由于项目的设置引起的，如果解决这个警告信息，在"项目->属性->配置属性->常规"选项卡下的“目标文件名”选项，和“项目->属性->配置属性->链接器->常规”选项卡下的“输出文件”选项保持一致即可，所以如果修改程序名称直接使用第一种方式即可。
vs2015 C#打包程序为exe
说明：将自己写的C#源代码打包后生成exe，直接安装在别人的电脑上运行，就像我们在网上下载别人的软件一样，很高大上，vs2015提供了打包和生成exe功能； 步骤一、打开vs2015(其他版本应该也是一样的)，打开菜单 文件——>新建——>项目，下图1.1，打开后的界面如下图1.2 图1.1 图1.2 若图1.2没有installshield插件，请到官...
奇怪的知识——Windows下怎么修改进程的名称？
windows下每个启动的进程都有一个名称，这个名称在程序运行时，不过使用什么接口都无法更改！ 有时候为了特别的目的，我们可能想要修改进程的名称，该怎么做到呢？
vs2010 MFC生成exe文件可以在无VS上运行
右击项目名称，选择属性，1.在常规中将MFC的使用选择为：在静态库中使用MFC 2. 选择C/C++ ---代码生成--------运行库中选择多线程（/MT），点击确定 再将VS菜单上调试时的DEBUG修改为RELEASE即可。
彻底改掉进程名
写了个改进程名的东西，跟大家分享！技术含量不高，大牛飘过。 先总结一下，一个进程的名字有可能从以下部位获取（参考小伟同学的《伪造进程初探》一文）： 一、EPROCESS中： 1、EPROCESS-->ImageFileName（很常用，冰刃获取进程名的地方） 2、EPROCESS-->SeAuditProcessCreationInfo->ImageFileName（任务管理器获取
vs2010生成和使用.dll，.lib和.exe文件
刚学会用vs，一切皆小白，随手记录新发现
Python怎么修改进程名称
通过以上分析，我们可以看到Python中修改进程名称的方法主要是通过使用os.prctl()函数来实现的。这个函数提供了在Linux系统上设置进程名称的能力，对于调试、监控和管理多进程应用程序非常有用。然而，需要注意的是这个方法仅适用于Linux系统，并且在使用时需要考虑到权限、系统调用兼容性和其他相关因素。未来发展方面可能包括跨平台支持、自动化与智能化、与其他技术的集成、安全性与隐私保护以及社区贡献与发展。
vs2022+QT6.7.3打包程序流程
5、管理员方式打开x64 Native Tools Command Prompt for VS 2022，进入test目录，执行：windeployqt6.exe XXX.exe。6、修改程序名称：在"项目->属性->配置属性->常规"选项卡下的“目标文件名”选项，和“项目->属性->配置属性->链接器->常规”选项卡下的“输出文件”选项保持一致即可。4、管理员方式打开Qt 6.7.3 (MSVC 2022 64-bit)，进入test目录，执行：windeployqt6.exe XXX.exe。
Python实战：解析腾讯视频M3U8加密链接并下载高清影片
本文详细介绍了如何使用Python解析腾讯视频M3U8加密链接并下载高清影片。从环境准备、抓包分析到核心代码实现，逐步讲解如何获取M3U8主链接、解析TS分片列表以及下载合并视频片段。文章还提供了多线程下载、断点续传和加密视频处理等优化方案，帮助开发者高效完成视频下载任务。
SNK PFX
snk 1用来证明这个生成的程序集是你发布的； 2如果你写的程序集要用在多个应用程序上的话，那么这个程序集必须要拥有唯一的名称，这个强名称是程序集唯一名称的一部分。 3只要你保护好你的snk文件不要公布出去，那么没有任何人可以假冒你发布程序集。 强名称签名的原理是不对称签名验证算法。 首先你用sn.exe命令行程序生成一个.snk的密钥文件，这个文件包括了两个部...
【深圳】IBM V3500存储维修 更换控制器故障
今天给大家分享的是深圳.福田区一个电商客户公司一台IBM Storwize v3500存储控制器故障从远程诊断 收集日志 分析结果的实际案例，如图所示通过存储管理口登陆进去后直接看到少了一个控制器，经过工程师分析日志后判定为该控制器损坏，接下来更换控制器配件，标准套件的控制器不带子卡和电池，所以需要把故障控制器上的子卡和电池拆下来装到新控制器上，这个电池拆还需要点技巧，接着把新的控制器插回V3500主机，等待大约十分钟后，新控制器指示灯全绿，管理界面看到节点已联机；冠峰科技-爱科技爱分享。
全球、中国各省市县等行政区划（含十段线）shape及geosjon数据免费下载
免费下载全球、中国各省市县等行政区划（含十段线）shape及geosjon数据
VS（2005）下，修改程序运行时任务栏合并后显示的名称
项目-》“项目名”属性 界面如下： 点击“程序集信息”按钮，修改其中的“标题” 即可，但这里遇到一个小问题，对生成完毕的EXE文件，如果保留原来的文件名，可能任务栏中还是会显示原来的名称，但改一下EXE文件的文件名就好了。
智能车八邻域图像算法
智能车八邻域图像算法
vs2015修改可执行文件等的生成名
1.点击项目,鼠标右键,打开 属性 2.出现这个窗口,把那个程序集名称改了就好了,再次debug或release生成的可执行文件等就是新的名字了;
【安全启动】HSM安全启动原理与技术实现白皮书
摘要： 安全启动（Secure Boot）与度量启动（Measured Boot）通过硬件信任根（HSM/TPM等）确保系统启动链路的可信性，实现代码验证与状态记录。HSM作为核心组件，承担密钥保护、签名验证和密码运算任务，与SHE、TPM等协同构建分层信任链。通用计算与嵌入式/汽车场景的启动流程差异显著，前者依赖TPM的PCR度量，后者以HSM为核心实现硬件级安全闭环。工程实践中需权衡性能、合规性及抗攻击能力，并结合后量子密码（PQC）等演进技术优化方案。
风光储并网对电力系统稳定性影响的仿真研究
本文研究了风光储并网对电力系统稳定性的影响，基于MATLAB/Simulink平台搭建了IEEE 9节点测试系统的风光储并网模型。研究对比了光储、风储和风光储三种并网配置在多种干扰下的稳定性表现。结果表明：光储系统对频率变化最敏感，风储系统具有更强的功率波动适应能力，而风光储联合系统通过互补效应展现出最佳综合稳定性。储能系统在所有配置中均显著改善了频率恢复性能，验证了其在新能源并网中的关键支撑作用。研究为高比例可再生能源电力系统的稳定运行提供了仿真依据和技术参考。
MFC修改外观
1.修改EXE 图标 ResourceView标签，选中资源ID为IDR_MAINFRAME图标资源，然后按Delete键把它删除掉。注意：一定要把它删除才行。 从Developer Studio的Insert菜单中选择Resource，然后选择Icon，新建（New）一个新的图标或导入（Import）一个已有的图标。 2.
软考高级架构师笔记-10数学计算题
专栏《软考高级架构设计师》更新了，本章列举了10个场景计算题的解法，温故而知新，大家快来卷一卷
【VS2019 C# Winform如何生成exe安装包】
使用VS2019，生成Winform程序的exe可执行文件安装包。
YOLOv11改进-上采样 | EUCB高效上卷积块，实现特征图尺度匹配和高效上采样
本文介绍了一种在YOLOv11目标检测模型中引入高效解码器模块EMCAD的创新方法，以提升模型在资源受限场景下的性能与效率。EMCAD由多个模块构成，其中核心的EUCB（高效上卷积块）通过上采样、深度可分离卷积、激活归一化和通道调整等操作，兼顾了特征质量与计算成本。实验结果显示，该模块在显著减少参数与FLOPs的同时仍具备优异性能。文章还提供了完整的YOLOv11模型集成流程、配置和训练实战。
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
VS修改软件生成的 exe名称
VS修改软件生成的 exe名称 方法： 项目右键：属性→配置属性→链接器→常规→输出文件
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');```[](https://bitdeli.com/free "Bitdeli Badge")
C++程序打包生成EXE——以VS2019为例
VS2019项目打包生成.EXE可执行文件教程。
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
SIMATIC S7-1200, S7-1500 PID 控制[手册]
SIMATIC S7-1200, S7-1500 PID 控制[手册]
VS2017如何打包成exe
VS2017如何打包发布exe c#开发的winform程序直接拷贝到其他人的电脑一般不能正常运行，这是因为缺少.net环境和动态库文件，这就需要我们提前对程序进行打包，这样打包好的程序安装到其他电脑的时候就可以正常运行了。本文介绍如何使用vs2017打包winform桌面程序。 第一步 在项目的解决方案 右键→ 新建项目 后出现如下选择 （如果没有找到，请在联机中搜索 visual studio installer 并安装） 选择项目类型 Setup Project，并输入名称，确定。(什么名字都可以
VS 2017生成exe（msi）文件
安装Installer Projects（靠它生成exe） 选择 工具→扩展和更新→联机→搜索Installer Projects 关闭窗口，并且关闭VS2017，会执行安装任务 点击【修改】 添加【安装项目】 添加→新建项目 其他项目类型→Visual Studio Installer→Setup Project Application F...
VS2015 C#打包程序为exe
说明：将自己写的C#源代码打包后生成exe，直接安装在别人的电脑上运行，就像我们在网上下载别人的软件一样，很高大上，VS2015提供了打包和生成exe功能； 步骤一、打开VS2015(其他版本应该也是一样的)，打开菜单 文件——>新建——>项目，下图1.1，打开后的界面如下图1.2 图1.1 图1.2 若图1.2没有installshield插件，请到官网下载，下载的时...
vs2022设置exe文件图标及修改图标
vs2022设置exe文件的图标以及后续修改图标。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1373
扫一扫
