LIST_VIEW_和LVITEM用法

VC/MFC列表CListCtrl类的LVCOLUMN和LVITEM详解 <br />列表视图控件(List Control)<br />列表视图控件是一种非常常用的控件,在需要以报表形式显示数据时,列表控件通常是最好的选择,许多专用的数据报表控件,也是在它的基础上派生而来。与树视图类似,列表控件可以由多个子项目组成,并且支持大图标、小图标、列表和报表4种方式显示信息,如图1所示。<br />图1 列表视图的4种显示方式<br />列表视图包含一个项目列表,而其中每个项目由图标、项目名称和多个子项组成,每一个子项所包含的项目的数目必须相同,属性相同的每个子项显示在同一个列中。列表 阅读详情

ListCtrl在工作中,常常用到,也常常看到大家发帖问怎么用这个控件,故总结了一下自己的使用经验,以供参考使用。
先注明一下,这里,我们用m_listctrl来表示一个CListCtrl的类对象,
然后这里我们的ListCtrl都是report形式,至于其他的如什么大图标,小图标
的暂时不讲,毕竟report是大众话的使用。其次,我们这里用条款一,条款二
来描述第一点,第二点,这个是参照《Effective C++》的叫法,俺觉得这么
叫比较COOL :)
条款一:设置ListCtrl的风格

在优快云上常常看到有人问怎么设置风格的,他们ListCtrl的样子是一个列表
,有横条和竖条分界线,然后选中一行,要整一行都选中,而不是只有某一列
被选中,等等,这里给一个比较全面的设置方法。
//获得原有风格
DWORD dwStyle = ::GetWindowLong(m_listctrl.m_hWnd, GWL_STYLE);
dwStyle &= ~(LVS_TYPEMASK);
dwStyle &= ~(LVS_EDITLABELS);
//
设置新风格
     SetWindowLong(m_listctrl.m_hWnd, GWL_STYLE,
dwStyle,|LVS_REPORT|LVS_NOLABELWRAP|LVS_SHOWSELALWAYS);
//
设置扩展风格
DWORD styles =
LVS_EX_FULLROWSELECT|LVS_EX_GRIDLINES|LVS_EX_CHECKBOXES;
ListView_SetExtendedListViewStyleEx(m_listctrl.m_hWnd, styles,
styles );
其中LVS_EX_FULLROWSELECT 就是前面说得整行选中
LVS_EX_GRIDLINES 网格线(只适用与report风格的listctrl)
LVS_EX_CHECKBOXES 前面加个checkbox
pListCtrl->SetExtendedStyle(   m_listctrl.GetExtendedStyle()
|LVS_EX_SUBITEMIMAGES);
这也是一个很重要的属性,这样的话,可以在列表中加ICON,记得windows的

任务管理器吗,你想做得那样,这个属性也要加哦,这个我以后会讲的~
条款二:加入列头
这是一个比较实质的东西,给列表框分列,然后加上列头
代码说话,来了
TCHAR rgtsz[2][10] = {_T("列头1"), _T("列头2")};
LV_COLUMN lvcolumn;
CRect rect;
m_listctrl.GetWindowRect(&rect);
for(int i=0;i<2;i++)
{
  
 lvcolumn.mask = LVCF_FMT | LVCF_SUBITEM | LVCF_TEXT
              
| LVCF_WIDTH | LVCF_ORDER;
    
lvcolumn.fmt = LVCFMT_LEFT;
    
lvcolumn.pszText = rgtsz[i];
 
lvcolumn.iSubItem = i;
    
lvcolumn.iOrder = i;
 
if(i==0)
    
{
       
lvcolumn.cx = rect.Width()*3/5 ;
 
}
 
else
      
lvcolumn.cx = rect.Width()*2/5;
       

m_listctrl.InsertColumn(i, &lvcolumn);
 }
这是插入两列的做法,你要插入20列??随便你,依样画葫芦~~

lvcolumn.mask 中那个mask可以有各种属性,具体去看msdn吧,
条款三:把记录,插入列表框中
int nIndex = m_listctrl.GetItemCount();
   LV_ITEM    lvitemAdd = {0};
   lvitemAdd.mask = LVIF_TEXT;
   lvitemAdd.iItem = nIndex ;
   lvitemAdd.iSubItem = 0;
   lvitemAdd.pszText =_T("
毛毛1");;
   if (m_listctrl.InsertItem(&lvitemAdd) != -1)
   {
    LV_ITEM lvitem = {0};
    lvitem.mask = LVIF_TEXT;
    lvitem.iItem = nIndex ;
    lvitem.iSubItem = 1;
    lvitem.pszText =_T("毛毛
2");
    m_listctrl.SetItem(&lvitem);
   
   }

nIndex 是当前的行数,然后把新的一行,插在最下面,

条款四:给列表中插入图标
在report格式中,也能插入图标
继续代码说话
m_image是个CImageList对象
m_image.Create(16,16, TRUE|ILC_COLOR24, 3, 1);
m_listctrl.SetImageList(&m_image,LVSIL_SMALL);
然后调用CImageList的成员函数int CImageList::Add( HICON hIcon );
把ICON插入到imagelist,

然后在插入记录的时候
lvitemAdd.mask = LVIF_TEXT; -》 lvitemAdd.mask =
LVIF_TEXT|LVIF_IMAGE
然后添加一个
lvitemAdd.iImage = n;
这个n是imagelist中的序号,表示是具体的哪一个图标,list么,呵呵

条款五: 插入记录时使用额外的信息,lParam 的使用
有时候,你想对于某一行,加入一些额外的信息,那么就可以使用这个
lParam
msdn是这么描述的Specifies the 32-bit value of the item
我上次是为了在某一行加入一个信息,窗口句柄,然后是这么加的,

int nIndex = m_listctrl.GetItemCount();
   LV_ITEM    lvitemAdd = {0};
   lvitemAdd.mask = LVIF_TEXT|LVIF_IMAGE|LVIF_PARAM;
   lvitemAdd.iItem = nIndex ;
   lvitemAdd.iSubItem = 0;
   lvitemAdd.pszText =_T("
毛毛1");;
   lvitemAdd.iImage = n;
   lvitemAdd.lParam = (LPARAM)hwnd;(某个窗口的窗口句柄
)
   if (m_listctrl.InsertItem(&lvitemAdd) != -1)
   {
    LV_ITEM lvitem = {0};
    lvitem.mask = LVIF_TEXT;
    lvitem.iItem = nIndex ;
    lvitem.iSubItem = 1;
    lvitem.pszText =_T("毛毛
2");
    m_listctrl.SetItem(&lvitem);
   }
ok,这是一个比较全的例子的,又插ICON,又使用PARAM的

条款六 : 点击列表框,获取选中行信息
响应NM_CLICK消息,如果你有MSDN,可以看到,有专门关于listview的
NM_CLICK的介绍
void CMyDlg::OnItemClick(NMHDR* pNMHDR, LRESULT* pResult)
{
// TODO: Add your control notification handler code here
int nItem = -1;
LPNMITEMACTIVATE lpNMItemActivate = (LPNMITEMACTIVATE)pNMHDR;
if(lpNMItemActivate != NULL)
{
      nItem = lpNMItemActivate->iItem;
}
}
现在nItem就是点击选中那行的index了,有了index,获取那行的信息还难吗
?
懒汉说:难,因为你还没讲,晕,那就继续说
条款七: 根据行的index,获取该行的信息
直接上代码吧
LV_ITEM lvitem = {0};
    lvitem.iItem = nIndex;
    lvitem.iSubItem = 0;
    lvitem.mask = LVIF_TEXT|LVIF_IMAGE|LVIF_PARAM;
m_listctrl.GetItem(&lvitem)
这样,就把nindex,第一列的信息取出来了,包括刚才我们加入的ICON,和那个
额外信息(窗口句柄),
比如我要获取窗口句柄,就可以hwnd = (HWND)lvitem.lParam;
mask 用来指明你想获取那些信息

具体可以查msdn中LVITEM Structure的定义和CListCtrl::GetItem
条款八:用程序选中某一行,使之选中

选中之 
m_listctrl.SetItemState
(nIndex,LVIS_SELECTED|LVIS_FOCUSED,LVIS_SELECTED|LVIS_FOCUSED);
不选中,取消选中之
m_listctrl.SetItemState(nIndex,0,LVIS_SELECTED|LVIS_FOCUSED);
条款九:获取当前所有选中的行(多选)
这个,俺就比较懒了,抄msdn的代码吧,反正很简单
Example
// CListCtrl* pListCtrl = (CListCtrl*) GetDlgItem
(IDC_YOURLISTCONTROL);
ASSERT(pListCtrl != NULL);
POSITION pos = pList->GetFirstSelectedItemPosition();
if (pos == NULL)
    TRACE0("No items were selected!\n");
else
{
   while (pos)
   {
      int nItem = pList->GetNextSelectedItem(pos);
      TRACE1("Item %d was selected!\n", nItem);
      // you could do your own processing on nItem here
   }
}
条款十:删除条款九中选中的行
这个相对前面九个条款是比较麻烦的,因为如果你要删除多行的话。往往要出错
比如,我现在要删除第0行和第1行(列表的行序列是从0开始的)
那么好啊。我来删了
m_listctrl.DeleteItem(0)
         m_listctrl.DeleteItem(1)
恭喜你,错了,我好开心啊 :)
因为你删除第0行以后,下面的行会往上移,那么原来的第1行就变成了第0行,那么你再 m_listctrl.DeleteItem(1),那么删除的是原来的第2行,真麻烦,
所以,只有从下往上删,才是安全的,先删的,不会影响后面的操作,
m_listctrl.DeleteItem(1)
         m_listctrl.DeleteItem(0)

但有时候,我们也不知道要删除哪些行,只知道要删除选中的那些行,像条款九中的那些
如果我们还是用
POSITION pos = m_listctrl.GetFirstSelectedItemPosition();
if (pos == NULL)
    TRACE0("No items were selected!\n");
else
{
   while (pos)
   {
      int nItem = m_listctrl.GetNextSelectedItem(pos);
m_listctrl.DeleteItem(nItem );
   }
}
你就等着收尸吧
这时候我们就要B4微软了,为虾米木有GetLastselectedItemPosition 和GetPrevSelectedItem
多写一对成员函数会死啊 
:(
没办法,办法自己想,这里有个笨办法

POSITION   sSelPos = NULL;
while(sSelPos = m_listctrl.GetFirstSelectedItemPosition())
{
         int nSelItem = -1;
          nSelItem = m_listctrl.GetNextSelectedItem(sSelPos);

          if(nSelItem >= 0 && nSelItem<m_listctrl.GetItemCount())
        {

             
好了,这个nSelItem 就是我们要的DD

       }

}
GetNextSelectedItem这个函数,看msdn的用法,其实是返回第一个的index,然后走到下一个选中的行去,所以这么做也是安全的,在实际中,俺也是这么做的,测试也通过,没问题的

当然,还有个办法,先通过GetFirstSelectedItemPosition和GetNextSelectedItem
来获取所有的选中行的index,然后把这些index放到一个数组里,然后再从下往上删

唉真麻烦啊,还要不定数组,不说用new在堆上开吧,那么一个vector总是要的吧,麻烦啊
所以我暂时是用上述的办法来删除,也供大家参考,希望能找到更好的办法。
好了,今天就暂时先整理上述十点。listctrl其他高级的用法,网上资料也很多,我也暂时不总结,以后有机会再说吧。
搞了好长时间啊,要睡觉去了,累死了 :)

 

LVCOLUMN和LVITEM结构体解析 列表视图控件有两个重要的数据结构LVCOLUMN和LVITEM。LVCOLUMN用于定义报表方式下的“列”的结构;LVITEM用于定义“项”的结构。这两个结构的定义及说明如下: typedef struct _LVCOLUMN { UINT mask; //说明此结构中哪些成员是有效的 int fmt; //列的对齐方式 int c 阅读详情

相关推荐

LVCOLUMN与LVITEM结构体详解.rar_vc++

详细介绍LVCOLUMN与LVITEM结构体的构成及使用方法

LVITEM

LVITEM 列表视图控件(List Control) 列表视图控件是一种非常常用的控件,在需要以报表形式显示数据时,列表控件通常是最好的选择,许多专用的数据报表控件,也是在它的基础上派生而来。与树视图类似,列表控件可以由多个子项目组成,并且支持大图标、小图标、列表和报表4种方式显示信息,如图1所示。 图1 列表视图的4种显示方式 列表视图包含一个项目列表,而其中每个项目由

远有青山 1万+

【智能机器人开发全流程:硬件选型、软件架构与ROS实战,打造高效机器人系统】

通过模块化设计与ROS框架的灵活扩展,可快速搭建适应不同场景的机器人系统。实际开发中需重点关注。

dally2的博客 6045

win32listview控件编程(转)二

VC中使用ListCtrl和LVITEM 经验总结 (转)默认分类   2009-10-04 22:22   阅读163   评论1   字号: 大大  中中  小小 VC中使用ListCtrl和LVITEM 经验总结 (博客搬家)2008-08-04 12:19:54 此文转至:http://www.igoshow.net/BlogView.asp?logID=9

1636

地理空间智能体(GI Agent)

地理空间智能体(Geospatial Intelligence Agent, GI Agent)是AI Agent技术与地理信息系统(GIS)深度融合的产物。其核心是以大型语言模型(LLM)为驱动,通过自然语言理解、任务分解和工具调用能力,实现地理空间任务的自动化执行。​关键特性​自主性​:独立规划任务流程(如空间数据检索、分析、可视化);​交互性​:支持自然语言对话交互,替代传统图形界面操作;​扩展性​:灵活集成第三方工具和API,支持跨平台协作。

百态·数智思维 | 聚焦大数据、量化与未来AI 2033

深入解析JESD204B Subclass 1中的SYSREF与LMFC同步机制

本文深入解析了JESD204B Subclass 1协议中的核心同步机制,重点阐述了SYSREF信号如何作为系统级参考,对齐所有设备内部的本地多帧时钟(LMFC),从而实现高速多通道数据采集系统中的确定性延迟。文章结合实战经验,详细说明了硬件设计、时序要点及软件配置流程,是解决多ADC芯片同步对齐问题的关键指南。

weixin_29271263的博客 398

LIST VIEW 和LVITEM用法

ListCtrl在工作中,常常用到,也常常看到大家发帖问怎么用这个控件,故总结了一下自己的使用经验,以供参考使用。 先注明一下,这里,我们用m_listctrl来表示一个CListCtrl的类对象, 然后这里我们的ListCtrl都是report形式,至于其他的如什么大图标,小图标 的暂时不讲,毕竟report是大众话的使用。其次,我们这里用条款一,条款二 来描述第一点,第

pjz969的专栏 366

QT实现串口通信

要实现串口通信,需要知道串口通信需要的信息 主要参数有:波特率、校验位、数据位、停止位、控制流 主要操作有:串口的打开和关闭、刷新设备串口、接发数据、开关显示灯等。 实现效果如图: 最后附赠完整源码。 第一步:在头文件中引入 QtSerialPort 类的两个头文件(必须引入) // 引入串口通信的两个头文件(第一步) #include <QtSerialPort/QSerialPort> // 提供访问串口的功能 #include <QtSerialPo

m0_49456900的博客 6万+

ListCtrl 中 LIST VIEW 和LVITEM用法

此文转至:http://www.igoshow.net/BlogView.asp?logID=961 VC中使用ListCtrl和LVITEM 经验总结ListCtrl在工作中,常常用到,也常常看到大家发帖问怎么用这个控件,故总结了一下自己的使用经验,以供参考使用。先注明一下,这

1067

SAP ERP 系统订单行项目中的计划行(Scheduled Line)详解

*计划行(Scheduled Line)**是SAP系统中订单行项目(如采购订单、生产订单、销售订单等)的细分单元,用于记录和管理物料的供应或需求计划。每个订单行项目可以包含一个或多个计划行,每个计划行对应具体的交货日期、数量、需求类型(如采购申请、生产订单、库存调拨等)以及相关的物流控制参数。简单来说,计划行是系统对某一物料在特定时间点的供需状态的详细规划,它将订单分解为更细粒度的执行步骤,确保供应链各环节(如采购、生产、仓储)能够按计划协同工作。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 3391

Mstar的Monitor方案OSD 菜单制作(五)——icon绘制

Mstar的Monitor方案(五)————绘制icon

android 系统定制开发那些事 1807

LVITEM 列表视图控件(List Control) 显示图标

LVITEM列表视图控件(List Control) 列表视图控件是一种非常常用的控件,在需要以报表形式显示数据时,列表控件通常是最好的选择,许多专用的数据报表控件,也是在它的基础上派生而来。与树视图类似,列表控件可以由多个子项目组成,并且支持大图标、小图标、列表和报表4种方式显示信息,如图1所示。 图1 列表视图的4种显示方式 列表视图包含一个项目列表,而其中每个项目由图标、项目名称和多个子

form88的专栏 2267

Python 爬虫进阶技巧:新手必学的反爬突破与效率优化

本文系统总结了爬虫进阶的核心技巧,针对新手常见的反爬拦截、效率低下、动态页面解析等痛点问题,提出了可落地的解决方案。主要内容包括:通过随机UA池、代理IP池和Cookie池突破常见反爬机制;利用多线程/异步请求提升爬取效率;使用Selenium解析动态渲染页面;以及数据清洗方法提升数据质量。文中提供了完整的代码示例和实战对比数据,并强调爬虫开发应遵守合规性要求。这些技巧能帮助开发者快速提升爬虫实战能力,应对80%以上的常见爬取需求。

2503_91057718的博客 1436

List-View Window Styles

typedef struct _LVCOLUMN { UINT mask;             //说明此结构中哪些成员是有效的 int fmt;             //列的对齐方式 int cx;              //列的初始宽度 LPTSTR pszText;   //列的标题 int cchTextMax;     //pszText所指向的缓冲区的大小 in

YL_WH的专栏 733

PCL K4PCS算法实现点云粗配准【2026最新版】

K4PCS算法实现点云粗配准。博客长期更新,本文最近一次更新时间为:2026年5月4日。

点云侠的博客 42万+

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

关于windows的list view使用的两点经验

前段时间写一个虚拟桌面的demo,是使用shell接口以及list展现桌面图标以及行为的功能。如图 实现上包括右键菜单的行为。以下是我在开发过程中碰到的一些难点或者说是不注意就会出错的地方,花了不少时间找资料测试。 我的程序是基于vs2008的SDK所带的例子VListvw所做的修改: C:\Program Files\Microsoft SDKs\Windows\v7.0\Samples\

行者无疆的专栏 2024

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")

List Control控件的用法(详细步骤和解释)

创建列表 点击工具箱中的List Control ,拖到对话框中 修改列表属性: 将控件(一般ID为IDC_LIST1)的View的属性改为改为Report,一般默认为ICON。 添加变量: 右击列表,选择 添加变量。变量类型(CListCtrl),变量名可以自己设定,此处假设为m_ListCtrl,点击确定。 添加每一列的名称 在对话框对应的类CListCtrlDlg中的OnIn...

weixin_41074793的博客 2万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

MFC List Control LV COLUMN 和 LV ITEM 结构

列表视图控件(List Control)

满天繁星 3646

列表视图控件(List Control)

列表视图控件(List Control) 列表视图控件是一种非常常用的控件,在需要以报表形式显示数据时,列表控件通常是最好的选择,许多专用的数据报表控件,也是在它的基础上派生而来。与树视图类似,列表控件可以由多个子项目组成,并且支持大图标、小图标、列表和报表4种方式显示信息,如图1所示。 图1 列表视图的4种显示方式 列表视图包含一个项目列表,而其中每个项目由图标、项目名称和多个子项组成,每一

HXC_HUANG的博客 1013

ClistCtrl 用法 行 插入 风格 形式 删除

2011-01-19 16:49 【转】LIST VIEW 和LVITEM用法 此文转至: http://www.igoshow.net/BlogView.asp?logID=961 VC中使用ListCtrl和LVITEM   经验总结 ListCtrl在工作中,常常用到,也常常看到大家发帖问怎么用这个控件,故总结了一下自己的使用经验,以供参考使用。 先注明一下,

bingkehanfeng的专栏 1208

MFC List控件插入ICON图标

想要在list控件中插入icon,首先需要设置列表控件样式属性,代码如下: //设置列表样式风格,使子项也能插入图标 m_resultlist.SetExtendedStyle(LVS_EX_GRIDLINES |LVS_EDITLABELS | LVS_EX_SUBITEMIMAGES); 其中m_resultlist为相应的list控件变量,最重要的是LVS_EX_SUBITEMIM...

V_Gogol的博客 4355

list view

hwndList=CreateWindow(WC_LISTVIEW,"",WS_CHILD|WS_VISIBLE|WS_BORDER|WS_TABSTOP|LVS_REPORT,\ 0,10,550,500,window,(HMENU)IDC_LISTVIEW,(HINSTANCE)GetWindowLong(window,GWL_HINSTANCE),NULL); if(hw

bsnry的专栏 720
上一篇: MFC工具栏介绍(二)之CReBar
下一篇: VC笔记(二)
张明奇-琦玉
博客等级 码龄16年 311粉丝 235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