VSCode自动保存功能开启方法(新手必看配置技巧)

vscode自动保存eslint | vue配置eslint规则 配置 https://www.jianshu.com/p/23a5d6194a4b // { // "files.autoSaveDelay": 2000, // "eslint.autoFixOnSave": true // }, // { // "language": "html", // "autoFix": true // },... 阅读详情

第一章:VSCode自动保存功能的重要性与应用场景

Visual Studio Code(简称 VSCode)作为现代开发者的首选编辑器之一,其自动保存功能极大提升了编码效率与开发流畅性。启用该功能后,开发者无需频繁手动执行保存操作,即可确保代码实时持久化,降低因意外崩溃或断电导致的工作丢失风险。

提升开发专注度

自动保存让开发者将注意力集中在逻辑实现上,而非文件管理。尤其在调试或快速原型开发阶段,频繁切换上下文进行保存会打断思维连贯性。启用后,所有更改在满足条件时自动写入磁盘。

配置方式与触发条件

VSCode 提供灵活的自动保存策略,可通过以下设置进行配置:
  • off:关闭自动保存
  • afterDelay:在指定延迟后保存(默认1500毫秒)
  • onFocusChange:当编辑器失去焦点时保存
  • onWindowChange:当整个窗口失焦时保存
{
  // settings.json 配置示例
  "files.autoSave": "afterDelay",
  "files.autoSaveDelay": 1000  // 延迟1秒后保存
}
上述配置表示在用户停止修改文件1秒后,VSCode 自动执行保存操作,平衡性能与响应速度。

典型应用场景

场景优势
前端实时预览配合 Live Server,保存后浏览器自动刷新
远程开发(SSH/WSL)避免网络中断导致未保存内容丢失
结对编程确保协作方始终看到最新代码状态
graph LR A[开始编辑文件] --> B{是否启用自动保存?} B -->|是| C[根据策略触发保存] B -->|否| D[需手动Ctrl+S] C --> E[文件状态同步至磁盘] E --> F[插件/服务感知变更]

第二章:VSCode自动保存功能在哪里开启

2.1 自动保存功能的核心机制解析

数据同步机制
自动保存功能依赖于前端与后端之间的实时数据同步。系统通过定时器触发变更检测,一旦识别用户输入行为,立即打包当前内容并提交至服务器。

// 每隔 3 秒检查是否有未保存的更改
setInterval(() => {
  if (editor.isDirty()) { // 判断内容是否已修改
    saveContent(editor.getContent()); // 发送异步保存请求
  }
}, 3000);
上述代码实现周期性脏检查,isDirty() 方法标记文档状态,避免无效请求;saveContent() 执行网络调用,确保数据持久化。
可靠性保障策略
  • 离线缓存:浏览器本地存储暂存内容,防止网络中断丢失数据
  • 版本比对:服务端校验版本号,避免并发覆盖
  • 节流控制:限制高频请求,提升系统稳定性

2.2 通过菜单栏快速启用自动保存

在现代集成开发环境(IDE)中,通过菜单栏启用自动保存功能是最直观的操作方式。用户只需导航至文件设置面板,即可开启实时保存策略,避免手动提交更改。
操作路径示例
  • File → Settings → Appearance & Behavior → System Settings
  • 勾选 Save files automatically if application is idle for 并设置间隔时间(如15秒)
配置参数说明
选项名称作用推荐值
Auto-save when idle空闲时触发保存15秒
Synchronize files on frame deactivation切换窗口时同步启用
<setting name="autosave">
  <option name="enabled" value="true"/>
  <option name="delay" value="15000"/> <!-- 毫秒 -->
</setting>
该配置定义了自动保存的启用状态与延迟阈值,delay=15000 表示系统在检测到无操作15秒后执行持久化存储,有效平衡性能与数据安全性。

2.3 使用命令面板高效配置保存选项

Visual Studio Code 的命令面板是快速访问编辑器功能的核心工具。通过快捷键 Ctrl+Shift+P(macOS 上为 Cmd+Shift+P)可即时调出命令面板,实现对保存行为的精细化控制。
常用保存配置命令
  • Preferences: Open Settings (JSON) —— 直接编辑用户配置文件
  • Files: Auto Save —— 切换自动保存模式
  • Files: Save Without Formatting —— 临时跳过格式化保存
配置示例与说明
{
  "files.autoSave": "onFocusChange",
  "editor.formatOnSave": true,
  "files.exclude": {
    "**/.git": true,
    "**/*.log": true
  }
}
上述配置实现了:在失去焦点时自动保存文件、保存时自动格式化代码,并在资源管理器中隐藏指定文件类型,提升工作区整洁度。

2.4 手动编辑settings.json实现精准控制

对于高级用户而言,图形界面配置往往无法满足精细化需求。手动编辑 `settings.json` 文件可实现对系统行为的深度定制,适用于复杂部署场景。
配置文件结构
{
  "syncOnStartup": true,
  "autoSaveInterval": 300,
  "excludedFolders": [".git", "node_modules"]
}
该配置定义了启动时同步、每5分钟自动保存一次,并排除特定目录。`syncOnStartup` 控制初始化行为,`autoSaveInterval` 单位为秒,`excludedFolders` 支持通配路径过滤。
常用配置项对照表
参数名类型说明
syncOnStartup布尔启动时是否同步数据
autoSaveInterval整数自动保存间隔(秒)

2.5 验证配置生效与否的实用检查方法

在完成系统配置后,必须通过多种手段验证其是否真正生效。直接依赖日志输出或服务启动状态往往不足以判断配置的实际影响。
常用验证命令

curl -I http://localhost:8080/health
该命令发送 HEAD 请求至健康检查接口,用于确认服务响应头中是否包含预期的配置信息,如 Server 字段或自定义头。
配置校验清单
  • 检查环境变量:printenv | grep CONFIG_
  • 验证配置文件加载路径是否正确
  • 比对运行时参数与预期值的一致性
通过组合使用命令行工具与自动化脚本,可实现快速、可重复的配置验证流程。

第三章:自动保存模式深度解析

3.1 onFocusChange模式的工作原理与适用场景

事件驱动的数据更新机制
`onFocusChange` 是一种基于焦点事件触发状态更新的交互模式,常用于表单控件或可编辑区域。当元素获得或失去焦点时,回调函数被调用,通知组件进行状态同步。
function InputField({ onChange }) {
  return (
    <input
      onBlur={(e) => onChange(e.target.value)}
      data-mode="onFocusChange"
    />
  );
}
上述代码中,`onBlur` 在输入框失焦时触发 `onChange`,实现延迟更新。相比实时监听 `onChange`,该模式减少频繁渲染,适用于搜索建议、表单校验等场景。
适用场景对比
  • 用户填写表单字段后自动验证
  • 避免输入过程中的过度计算
  • 提升大型列表中编辑单元格的响应性能

3.2 afterDelay模式的延迟策略与性能优化

在高并发场景下,afterDelay模式通过引入可控延迟来平滑请求洪峰,有效降低系统负载。该模式的核心在于合理设置延迟时间与任务调度机制。
延迟策略实现
采用定时器结合优先级队列的方式,确保任务按预设延迟执行:

type Task struct {
    execTime int64
    payload  interface{}
}

func (t *Task) Delay(duration time.Duration) {
    t.execTime = time.Now().Add(duration).Unix()
}
上述代码通过time.Now().Add()设定任务实际执行时间,实现精确延迟控制。参数duration可根据业务负载动态调整,典型值为50ms~500ms。
性能优化手段
  • 使用最小堆管理待执行任务,提升调度效率
  • 合并相邻时间窗口内的任务,减少上下文切换
  • 异步批处理机制提高吞吐量

3.3 实际案例对比:不同模式下的编辑体验差异

传统本地编辑模式
在传统模式下,用户直接操作本地文件系统中的文档。所有更改即时保存,无需网络支持,响应速度快。但缺乏实时协作能力,版本管理依赖手动备份。
现代云端协同编辑
以 Google Docs 为例,多人可同时编辑同一文档,变更实时同步。系统自动保存历史版本,支持回滚。
特性本地编辑云端协同
响应速度快受网络影响
协作支持无强

// 模拟协同编辑中的冲突解决策略
function resolveConflict(localChange, remoteChange) {
  return localChange.timestamp > remoteChange.timestamp ? localChange : remoteChange;
}
该函数基于时间戳选择最新变更,确保数据一致性。timestamp 为编辑事件发生的时间戳,用于判断操作顺序。

第四章:提升开发效率的进阶配置技巧

4.1 结合文件排除规则优化自动保存行为

在现代编辑器中,自动保存功能需避免对临时或敏感文件频繁写入。通过引入文件排除规则,可精准控制触发条件。
配置排除模式
使用正则表达式定义忽略列表,例如:
{
  "excludePatterns": [
    "\\.tmp$",
    "\\.swp",
    "node_modules/",
    "\\.git/"
  ]
}
上述配置将跳过以 `.tmp` 或 `.swp` 结尾的临时文件,以及 `node_modules` 和 `.git` 目录下的所有变更,防止性能损耗与版本库污染。
运行时判断逻辑
当检测到文件变更时,系统遍历排除规则逐一匹配路径:
  • 若命中任意规则,则暂停保存流程;
  • 否则执行安全写入,并记录操作日志。
该机制显著降低 I/O 频率,提升编辑器响应速度,尤其适用于大型项目环境。

4.2 与版本控制系统协同工作的最佳实践

原子化提交
每次提交应聚焦单一功能或修复,确保变更清晰可追溯。避免将多个无关修改合并为一次提交。
  • 提交信息需描述“做了什么”和“为什么做”
  • 使用 imperative mood(祈使语态),如 "Fix login timeout" 而非 "Fixed..."
分支策略管理
采用 Git Flow 或 GitHub Flow 模型,明确主分支(main)与开发分支(develop)职责分离。
# 创建特性分支
git checkout -b feature/user-auth

# 合并前同步最新主干
git rebase main
上述命令分别用于创建独立功能分支以隔离开发,以及在合并前通过 rebase 保持提交历史线性整洁,减少冲突风险。
预提交钩子校验
利用 pre-commit 钩子自动执行代码格式化与静态检查,保障提交质量一致性。

4.3 多工作区环境下自动保存的个性化设置

在多工作区协作场景中,自动保存策略需根据用户偏好与项目类型动态调整。通过配置独立的保存规则,可避免资源冲突并提升编辑体验。
配置示例
{
  "workspace": "project-alpha",
  "autoSave": "onFocusChange",  // 可选: 'afterDelay', 'off'
  "saveDelayMs": 1500,
  "excludePatterns": ["*.tmp", "logs/"]
}
该配置表示在焦点切换时触发保存,延迟1.5秒执行,并排除临时文件与日志目录。不同工作区可加载独立配置,实现差异化行为。
策略对比
策略类型适用场景资源开销
onFocusChange多任务切换频繁中
afterDelay持续编辑场景低
off手动控制需求高无

4.4 避免常见陷阱:临时文件与资源占用问题

在高并发或长时间运行的应用中,临时文件的创建和系统资源的管理极易成为性能瓶颈。未及时清理的临时文件不仅占用磁盘空间,还可能导致句柄泄漏,影响系统稳定性。
资源释放的最佳实践
使用 defer 确保文件句柄及时关闭:
file, err := os.CreateTemp("", "tmpfile")
if err != nil {
    log.Fatal(err)
}
defer os.Remove(file.Name()) // 确保删除临时文件
defer file.Close()          // 确保关闭文件
上述代码中,os.CreateTemp 创建唯一命名的临时文件,两个 defer 语句保证程序退出前正确释放资源。先调用 file.Close() 再调用 os.Remove() 可避免 Windows 下因文件未释放导致的删除失败。
常见资源占用场景对比
场景风险解决方案
未删除临时文件磁盘爆满使用 defer 清理
文件句柄未关闭系统崩溃显式调用 Close()

第五章:总结与推荐配置方案

生产环境推荐配置
在高并发微服务架构中,推荐使用以下资源配置以保障系统稳定性。数据库实例建议采用 16核32GB 内存,搭配 SSD 存储,确保 IOPS 不低于 8000。应用服务器部署至少 3 个节点,每个节点配置 8核16GB,启用负载均衡和自动伸缩策略。
关键参数调优示例

// Go 服务最大连接数与超时设置
server := &http.Server{
    Addr:         ":8080",
    ReadTimeout:  5 * time.Second,   // 防止慢读攻击
    WriteTimeout: 10 * time.Second,  // 控制响应时间
    IdleTimeout:  120 * time.Second, // 保持连接高效复用
    MaxHeaderBytes: 1 << 20,         // 限制头部大小
}
部署架构组件清单
组件版本数量备注
Nginx1.24+2主备模式,提供反向代理
PostgreSQL14.53一主两从,流复制
Redis7.03哨兵模式,缓存+会话共享
监控与告警策略
  • CPU 使用率持续超过 80% 持续 5 分钟触发告警
  • 数据库连接池使用率达到 90% 时自动扩容
  • API 平均延迟超过 300ms 记录并通知 SRE 团队
  • 日志中出现 "connection timeout" 错误累计 10 次/分钟启动根因分析流程
电脑主板开机12步流程全解析:从按下电源键到BIOS启动的完整过程 本文深入解析了电脑主板从按下电源键到BIOS启动的完整12步流程,详细阐述了待机电路、主供电上电、CPU供电建立、时钟信号分发及复位链等关键硬件协同工作原理。通过剖析电脑主板的电路结构与芯片协作时序,帮助读者构建系统性的硬件故障诊断思维,精准定位开机故障。 阅读详情

相关推荐

使用Android GPS api 实现一个轨迹记录的小功能

引入 市场上的跑步软件已经是非常多了,如咕咚和悦跑圈还有其他,很多大厂也在涉足这个方面。而最简单的运动跑步,最近几年也因简单,不限场地,运动效果出众备受大众喜欢。 我的这篇文章的内容很多也是从网上学习其他的博客内容,外加利用android自身的提供的api实现的,希望能对有这方面需求的朋友有所帮助。 介绍 先上两张图,界面比较丑,不过一些数据基本都有了,这个图片是临时要用截取的,所以轨迹线很短,之前

尝试着去了解代码 1万+

visual studio常用设置——自动保存,字体设置

visual studio常用设置——自动保存,字体设置

MZH 9339

SocraticLM: Exploring Socratic Personalized Teaching with Large Language Models

大型语言模型(LLM)被认为是推进智能教育的一项关键技术,因为它们展示了深入理解教学场景和为学生提供个性化指导的潜力。然而,当前个性化教学中基于LLM的应用主要遵循“问答”范式,学生被动地获得答案和解释。在本文中,我们提出了苏格拉底式教学模式(SocraticLM ),它实现了一种苏格拉底式的“发人深省”的教学范式,实现了真正的课堂教师的角色,让学生积极参与到真正掌握解决问题所需的思考过程中。

weixin_43961909的博客 2883

【Visual Studio 2022】代码自动保存和代码注释快捷键设置

工具-----选项中找这个勾选,当窗口失去焦点后则自动保存。

qq_45306739的博客 2340

基于CANoe的Basic Diagnostics ECU (UDS)

基于CANoe的Basic Diagnostics ECU (UDS)

farmer00的博客 9153

3. 动手运行第一个 SAP Fiori Elements 应用(ListReport 类型)

这个代理服务器能够自动监听我们 Fiori Elements 应用里向 ES5 Demo 系统发送的 OData 请求,拦截这个请求,并通过 Node.js 代码向 ES5 服务器转发,拿到响应数据后再交还给 Fiori Elements 应用。后者对自己发出的请求被代理这件事情一无所知。本文的任务是,大家按照我的介绍,在本地成功运行笔者准备的这个 Fiori Elements 应用。的错误消息, 说明大家安装的 Node.js 版本没有达到本地运行 Fiori Elements 的最低要求。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1671

visual studio自动保存 逼急了我

重复的生产bug 出现很多次了都是因为没有自动保存导致的 也就是打包发布发现我代码都没保存,那等于修改了代码并没有生效 我是脚本自动化打包,而不是用visual studio直接发布,所以就有这个头疼的问题,今天我必须解决这个问题,于是找到了解决方法 扩展: image.png ...

情随事迁个人博客 809

YOLO26优化:注意力魔改 | EMA:基于跨空间学习的高效多尺度注意力,效果优于ECA、CBAM、CA

加入EMA注意力,一种基于跨空间学习的高效多尺度注意力,效果优于ECA、CBAM、CA等经典注意力。

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 333

Visua Studio最小化时自动保存

写Unity脚本时,每次写好都要保存一下,然后Unity才会最新加载写好的脚本,有时忘记保存来回切屏就很烦,后来搜索了一番发现Visual Studio带有最小化自动保存功能,在此记录一下。

Ordinarybaby321的博客 1238

【腾讯小龙虾WorkBuddy专栏04】一文搞懂WorkBuddy的「专家」和「专家团」

WorkBuddy专家与专家团:专业级AI协作解决方案 WorkBuddy的专家(Expert)与专家团(Expert Team)功能颠覆了通用AI的局限性,提供角色化、可交付的专业服务。 核心优势 专家:深度垂直领域的AI顾问,具备人设、方法论、工具链,如全栈开发专家能直接交付完整项目,而非代码片段。 专家团:多智能体协作,自动拆解复杂任务(如竞品分析、全栈开发)并分发给对应角色,并行执行后整合输出,效率提升显著。 使用场景 单专家:解决专业问题(如SQL优化、UI设计)。

AI人人懂 2019

8,9,10,11,12,13代CPU特制win7 64位系统

对于7代以上的CPU装win7,在UEFI的模式下,如果不提前注入显卡驱动,就会一直卡在LOGO界面。对于此情况,我们推出一个内置了显卡和USB驱动的特制版win7系统。由于单文件已经大于了4G,所以推荐使用rufus来写入镜像安装。如还有问题,请记录下电脑配置,联系QQ11717907。制作完成以后,就可以通过U盘启动安装了。

海康威视技术支持 7249

【VsCode】设置文件自动保存

设置文件自动保存

水w的博客 6934

量化交易零基础入门教程

特点 从零开始教编程。靠谱的量化交易学习资源稀少,且具有不讲编程、代码较难、过多等不适合新手等问题,本教程中则会从零开始教编程,解决量化入门过难过编程门槛这一问题。 量化与编程相结合。本教程不仅会教编程,而且会尽量结合量化情景,减少“我要做量化交易为什么要看这些用来培训程序员的东西”的愤懑。 简易精炼,快速入门。尽量只讲最核心最常用的知识,助你快速摆脱想学习量化却处处陌生不知所措的茫然的新手阶段。 读前说明 文后会有自测与自学,包括一些额外的延伸自学内容以及稍有难度的自测题目。 最最最基础的股票.

JanLEE 2885

VScode开启自动保存功能

在设置面板中,搜索 "Auto Save" 或直接定位到 "Files: Auto Save" 选项。打开 VS Code 并进入设置:点击左侧的侧边栏图标(看起来像一个齿轮),然后选择 "设置"。在 "Files: Auto Save" 下拉菜单中,选择你想要的自动保存模式。现在,当你编辑文件时,根据你选择的自动保存模式,VS Code 将会自动保存你的更改。选择适合你需求的自动保存模式后,设置将自动保存文件的频率。关闭设置面板,你的更改将会自动保存。或者你也可以使用快捷键。(Mac)直接打开设置。

invilued的博客 2万+

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

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

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

vscode保存代码,自动格式化代码设置方法

1.安装eslint依赖 在package.json中安装eslint的依赖 "eslint": "^4.19.1", "eslint-friendly-formatter": "^4.0.1", "eslint-loader": "^2.0.0", "eslint-plugin-html": "^4.0.3", 2.自动格式化设置 1、window电脑: 文件 > 首选项 > 设...

y562363753的博客 3万+

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

【VSCode自动保存设置全攻略】:3步开启自动保存,告别文件丢失烦恼

解决文件未保存导致的丢失问题,教你快速找到vscode自动保存功能在哪里开启。通过设置菜单、快捷键或配置文件,3步实现编辑时自动保存,提升开发效率。支持定时与焦点切换保存模式,操作简单高效,值得收藏。

LiteTrans的博客 1115

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")

团队开发必看,VSCode保存时自动格式化配置避坑指南

解决代码风格不统一难题,详解VSCode格式化保存触发配置方法,覆盖团队协作、编辑器设置与Prettier集成等关键场景。避免提交冲突,提升开发效率,配置一次长期受益,值得收藏。

FuncInk的博客 1008

eslint 保存自动修复_vscode配置eslint保存自动修复

在多人开发项目中公司都统一eslint代码检测,也是为了统一代码风格,方便后期维护。。。这是我自己的setting配置,望参考。。。{"workbench.editor.enablePreview":false,//打开文件不覆盖"search.followSymlinks":false,//关闭快速预览"liveServer.settings.donotShowInfoMsg":tru...

weixin_39965881的博客 1430

VSCode保存时自动格式化代码(复制即用)

Vue项目保存自动根据eslint格式化代码前提 前提 编辑器 Visual Studio Code(VS code) 插件 eslint 和 vetur 用户配置 文件 -> 首选项 -> 设置 settings.json { "eslint.autoFixOnSave": true, "eslint.options": { "extensions": [ ...

陈坚泓的博客 8773

vscode配置eslint自动保存功能不生效

今天给一个项目添加eslint, 按照网上的教程,配置完就是不生效,半天没解决, 后来终于解决了, 在此总结,把一些坑分享出去。 1. vscode 扩展中安装eslint 2. eslint 扩展要是开启状态(开启关闭如果没生效,重启vscode即可) 3.修改eslint 的 setting(配置), 步骤如下 参考我的配置,可以直接复制过去: 1 2 3 4 5 6 7 8 9 10 ...

Mr.Su,Glad to see you! 2779

vscode的eslint无效_vscode配置eslint自动保存功能不生效

今天给一个项目添加eslint, 按照网上的教程,配置完就是不生效,半天没解决, 后来终于解决了, 在此总结,把一些坑分享出去。1. vscode 扩展中安装eslint2. eslint 扩展要是开启状态(开启关闭如果没生效,重启vscode即可)3.修改eslint 的 setting(配置), 步骤如下参考我的配置,可以直接复制过去:{"stylelint.enable": true,"es...

weixin_36293258的博客 3006

开启VSCode自动保存的4种方式(第3种最实用但少有人知)

想解决编辑文件忘记保存的烦恼?本文告诉你vscode自动保存功能在哪里开启,提供4种实用方法,涵盖触发保存、定时保存等场景,第3种无需插件即可实现智能保存,提升开发效率。值得收藏

Instrustar的博客 658

vscode的eslint配置保存自动修复代码

本次配置达到的效果:vue代码格式有问题会根据插件的eslint规则红色波浪线提示、ctrl+s保存后根据波浪线的规则进行代码修复(包括自动删除尾部逗号等)vue项目配置eslint,vscode下载的eslint插件,与npm下载eslint插件有各种冲突,导致如vscode编辑器格式化以后会有一大堆红色波浪线等问题,下面我列出我的相关配置,可以供参考。本次问题解决参考了网上的多篇文章以及chatgpt这款强大的工具最终达到了文章自己想要的效果,如有问题可评论或与我进行联系。

weixin_43695002的博客 4531

找不到自动保存?手把手教你开启VSCode核心功能,拯救健忘程序员

解决遗忘困扰,教你快速开启VSCode自动保存功能。通过文件设置或快捷键配置,实现编辑时自动存盘,提升开发效率。适用于编程新手与健忘程序员,避免意外丢稿。vscode 自动保存功能在哪里开启?一文看懂,值得收藏。

InstrWander的博客 453

vscode 使用eslint(保存自动格式化)

前提:在package.json中安装了eslint的依赖 1.在项目跟目录添加.eslintrc.js 文件 // https://cn.eslint.org/docs/rules/ // /* * "off"或者0,不启用这个规则 * "warn"或者1,出现问题会有警告 * "error"或者2,出现问题会报错 */ module.exports = { root: true, //此项是用来告诉eslint找当前配置文件不能往父级查找 env: { //环配置 如 "bro

SHUIYI_24的博客 1万+

VSCode 隐藏技能:配置 codeActionsOnSave,保存即自动整理代码

在软件开发中,代码格式化和规范检查往往是重复度高、耗时且容易打断思路的机械劳动。通过编辑器层面的自动化配置,开发者可以将这部分工作交给工具完成,从而更专注于业务逻辑本身。VSCode 提供的 codeActionsOnSave 功能,正是实现“保存即整理”的关键机制,它允许在文件保存时自动触发代码动作,如修复 Lint 错误、排序 import、补充缺失引用等。理解其工作原理并结合 ESLint、Prettier 等格式化工具,可以构建一套高效、一致的代码整理工作流。合理配置后,不仅能使代码风格统一,还能显

weixin_28681255的博客 261
上一篇: 【VSCode Python开发神器推荐2026】:这10个必装插件让你效率提升300%
下一篇: list去重还能这么玩?,掌握这3种方法让你代码瞬间优雅
varchat
博客等级 码龄11年 159粉丝 1993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  | 博主筛选后可见
 
 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