VC调试技巧收集整理

cicispace cicispace 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 2.6k累计阅读 2.6k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20年
关注
转载 最新推荐文章于 2026-07-19 14:06:26 发布 2.6k 阅读 AI 写同款· GEO 优化 ›
Visual Studio 6.0镜像下载全攻略：从安装到汉化一步到位（附详细链接） 本文详细介绍了Visual Studio 6.0镜像下载、现代系统兼容性配置及完整汉化方案。从安全获取原版镜像到解决Windows 10/11安装问题，再到深度汉化IDE界面和MSDN文档，为开发者提供一站式解决方案，帮助高效维护遗留系统或教学场景。 阅读详情

调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。
这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜单时，通过/表示分级菜单，例如File/Open表示顶级菜单File的子菜单open。

1 设置
为了调试一个程序，首先必须使程序中包含调试信息。一般情况下，一个从AppWizard创建的工程中包含的Debug Configuration自动包含调试信息，但是是不是Debug版本并不是程序包含调试信息的决定因素，程序设计者可以在任意的Configuration中增加调试信息，包括Release版本。
为了增加调试信息，可以按照下述步骤进行：

a 打开Project settings对话框（可以通过快捷键ALT+F7打开，也可以通过IDE菜单Project/Settings打开)

b 选择C/C++页，Category中选择general ，则出现一个Debug Info下拉列表框，可供选择的调试信息方式包括：
 None:
 没有调试信息
 Line Numbers Only:
 目标文件或者可执行文件中只包含全局和导出符号以及代码行信息，不包含符号调试信息
 C7 Compatible:
 目标文件或者可执行文件中包含行号和所有符号调试信息,包括变量名及类型.函数及原型 等
 Program Database:
 创建一个程序库(PDB)，包括类型信息和符号调试信息。
 Program Database for Edit and Continue:
 除了上面的功能外，这个选项允许对代码进行调试过程中的修改和继续执行。
 这个选项同时使#pragma设置的优化功能无效

c 选择Link页，选中复选框"Generate Debug Info"，这个选项将使连接器把调试信息写进可执行文件和DLL .如果C/C++页中设置了Program Database以上的选项，则Link incrementally可以选择。选中这个选项，将使程序可以在上一次编译的基础上被编译（即增量编译），而不必每次都从头开始编译。

2 断点
断点是调试器设置的一个代码位置。当程序运行到断点时，程序中断执行，回到调试器。断点是 最常用的技巧。调试时，只有设置了断点并使程序回到调试器，才能对程序进行在线调试。

设置断点：可以通过下述方法设置一个断点。首先把光标移动到需要设置断点的代码行上，然后
按F9快捷键
弹出Breakpoints对话框，方法是按快捷键CTRL+B或ALT+F9，或者通过菜单Edit/Breakpoints打开。打开后点击Break at编辑框的右侧的箭头，选择 合适的位置信息。一般情况下，直接选择line xxx就足够了，如果想设置不是当前位置的断点，可以选择Advanced，然后填写函数、行号和可执行文件信息。
去掉断点：把光标移动到给定断点所在的行，再次按F9就可以取消断点。同前面所述，打开Breakpoints对话框后，也可以按照界面提示去掉断点。

条件断点：可以为断点设置一个条件，这样的断点称为条件断点。对于新加的断点，可以单击Conditions按钮，为断点设置一个表达式。当这个表达式发生改变时，程序就 被中断。底下设置包括“观察数组或者结构的元素个数”，似乎可以设置一个指针所指向的内存区的大小，但是我设置一个比较的值但是改动 范围之外的内存区似乎也导致断点起效。最后一个设置可以让程序先执行多少次然后才到达断点。

数据断点：数据断点只能在Breakpoints对话框中设置。选择“Data”页，就显示了设置数据断点的对话框。在编辑框中输入一个表达式，当这个 表达式的值发生变化时，数据断点就到达。一般情况下，这个表达式应该由运算符和全局变量构成，例如：在编辑框中输入 g_bFlag这个全局变量的名字，那么当程序中有g_bFlag= !g_bFlag时，程序就将停在这个语句处。

消息断点：VC也支持对Windows消息进行截获。他有两种方式进行截获：窗口消息处理函数和特定消息中断。在Breakpoints对话框中选择Messages页，就可以设置消息断点。如果在上面那个对话框中写入消息处理函数的名字，那么 每次消息被这个函数处理，断点就到达（我觉得如果采用普通断点在这个函数中截获，效果应该一样）。如果在底下的下拉 列表框选择一个消息，则每次这种消息到达，程序就中断。

3 Watch
VC支持查看变量、表达式和内存的值。所有这些观察都必须是在断点中断的情况下进行。
观看变量的值最简单，当断点到达时，把光标移动到这个变量上，停留一会就可以看到变量的值。
VC提供一种被成为Watch的机制来观看变量和表达式的值。在断点状态下，在变量上单击右键，选择Quick Watch， 就弹出一个对话框，显示这个变量的值。
单击Debug工具条上的Watch按钮，就出现一个Watch视图（Watch1,Watch2,Watch3,Watch4），在该视图中输入变量或者表达式，就可以观察 变量或者表达式的值。注意：这个表达式不能有副作用，例如++运算符绝对禁止用于这个表达式中，因为这个运算符将修改变量的值，导致 软件的逻辑被破坏。

4 Memory
由于指针指向的数组，Watch只能显示第一个元素的值。为了显示数组的后续内容，或者要显示一片内存的内容，可以使用memory功能。在 Debug工具条上点memory按钮，就弹出一个对话框，在其中输入地址，就可以显示该地址指向的内存的内容。

5 Varibles
Debug工具条上的Varibles按钮弹出一个框，显示所有当前执行上下文中可见的变量的值。特别是当前指令涉及的变量，以红色显示。

6 寄存器
Debug工具条上的Reigsters按钮弹出一个框，显示当前的所有寄存器的值。

7 进程控制
VC允许被中断的程序继续运行、单步运行和运行到指定光标处，分别对应快捷键F5、F10/F11和CTRL+F10。各个快捷键功能如下：
快捷键 说明
F5 继续运行
F10 单步，如果涉及到子函数，不进入子函数内部
F11 单步，如果涉及到子函数，进入子函数内部
CTRL+F10 运行到当前光标处。 

8 Call Stack
调用堆栈反映了当前断点处函数是被那些函数按照什么顺序调用的。单击Debug工具条上的Call stack就显示Call Stack对话框。在CallStack对话框中显示了一个调用系列，最上面的是当前函数，往下依次是调用函数的上级函数。单击这些函数名可以跳到对应的函数中去。

9 其他调试手段
系统提供一系列特殊的函数或者宏来处理Debug版本相关的信息，如下： 

10 宏名/函数名 说明
TRACE 使用方法和printf完全一致，他在output框中输出调试信息
ASSERT 它接收一个表达式，如果这个表达式为TRUE，则无动作，否则中断当前程序执行。对于系统中出现这个宏 导致的中断，应该认为你的函数调用未能满足系统的调用此函数的前提条件。例如，对于一个还没有创建的窗口调用SetWindowText等。
VERIFY 和ASSERT功能类似，所不同的是，在Release版本中，ASSERT不计算输入的表达式的值，而VERIFY计算表达式的值。  

       11  了解调试,首先要知道"断点"这个概念.断点就是程序运行中可能会中断的地方,方便开发者在程序运行的过程中查看程序当前的运行状态,比如变量的值,函数的返回值等等.究竟怎么使用断点呢?
(1).F9在当前光标所在的行下断点,如果当前行已经有断点,则取消断点.
  F5调试状态运行程序,程序执行到有断点的地方会停下来.
  F10单步执行程序.
  CTRL+F10运行到光标所在行.
  F11和F10的区别是,如果当前执行语句是函数调用,则会进入函数里面.
  SHIFT+F11跳出当前所在函数.

特别说明:
  a.有的地方不能下断点.比如空行,基本类型定义语句(不初始化),等等非执行语句.比如
int i;  // 此行不能下断点
int j=0;// 这里可以下
CStringstr;// 这里可以下
intk = Max(i,j);// 这里可以下
  b.不是所有断点都会(断).比如下断点的语句在程序里面没有被执行.
  c.此外，ALT+F9还可以下条件断点，不过这个不常用，有兴趣的可以自己研究:)

(2)如何调试Release版的程序?
  有些程序在debug下运行的很好,但在release下却总是失败,默认情况下release是不能调试的. 怎么解决呢?
  其实"debug"和"release"都只是一个代号而已,各自对应一组不同的编译选项.
  在release的默认设置下,ALT+F7 ,调出工程设置对话框,切换到link选项卡,勾选"Generate debug info",然后再切换到C/C++选项卡,在"Optimizations"里面选"Disable(Debug)",在下面的"Debug info"里面选"Program Database for Edit and Continue".然后点OK保存设置,重新编译程序,下断点即可.
(3)上面两点已经能应付很多种情况了,但是有时候即使在debug下也不能下断点,我以前也曾经遇到过这种问题,一个调了4层的dll,就是不能下断点.其实还除了上面的方法,还有一种最底层的实现技术:使用汇编.
  细心的人可能会发现,有时候在调试状态下当程序出现异常的时候,光标会指向汇编代码,而这个代码就是int 3,这其实是一个中断.
  在你的代码的任意地方加上
  __asm{
  int 3
};
  用debug编译,然后直接运行程序.当程序执行到上述代码的时候,就会出现一个框,告诉你说一大堆信息,说程序错了,下面有"调试"、"终止"、"忽略"，不用理,点调试就可以进入跟 踪了。这种方法我还没有失 手过:)



关注:
一个好的程序员不应该把所有的判断交给编译器和调试器，应该在程序中自己加以程序保护和错误定位，具体措施包括：

 对于所有有返回值的函数，都应该检查返回值，除非你确信这个函数调用绝对不会出错，或者不关心它是否出错。
 一些函数返回错误，需要用其他函数获得错误的具体信息。例如accept返回INVALID_SOCKET表示accept失败，为了查明 具体的失败原因，应该立刻用WSAGetLastError获得错误码，并针对性的解决问题。
 有些函数通过异常机制抛出错误，应该用TRY-CATCH语句来检查错误
程序员对于能处理的错误，应该自己在底层处理，对于不能处理的，应该报告给用户让他们决定怎么处理。如果程序出了异常， 却不对返回值和其他机制返回的错误信息进行判断，只能是加大了找错误的难度。
 另外：VC中要编制程序不应该一开始就写cpp/h文件，而应该首先创建一个合适的工程。因为只有这样，VC才能选择合适的编译、连接 选项。对于加入到工程中的cpp文件，应该检查是否在第一行显式的包含stdafx.h头文件，这是Microsoft Visual Studio为了加快编译 速度而设置的预编译头文件。在这个#include "stdafx.h"行前面的所有代码将被忽略，所以其他头文件应该在这一行后面被包含。
 对于.c文件，由于不能包含stdafx.h，因此可以通过Project settings把它的预编译头设置为“不使用”，方法是：
弹出Project settings对话框
选择C/C++
Category选择Precompilation Header
选择不使用预编译头。
http://www.yzcc.com/yzcc/vv/08475592434.html


其他技巧:

1.在调试状态下怎样查看错误消息(GetLastError())?
通常可以用GetLastError()得到错误编号然后用FormatMessage(...)得到错误描述。
这里有一个更直接的办法：在Watch窗口添加@err,hr

2.怎样知道程序是否有内存泄漏(Memory Leak)?
在VC开发环境下Press [F5],在调试状态下运行程序,测试有可能出现内存泄漏的操作,关闭程序,在Output窗口查看运行信息.如果出现泄漏,在Output中会有记录。当然，不能完全依靠这种方式来发现程序运行有内存泄漏。

3.当某一变量满足某种条件时,停止在断点.
如以下一程序片段:
2 int iLocation;
...
30 iLocation++
...
要求: 在line30设有断点,并想在iLocation>100  

收录于
C++/VC

当前文章被收录于：

C++/VC
4 篇文章 0 人学习
订阅专栏 查看详情
标签
#database #microsoft #output #工具 #汇编
#numbers
自举电容的工作原理-3句话总结 1、一道面试题 照例，先抛出来一道面试题：“Buck电路的SW引脚通常会放置一颗小电容，这颗电容有什么用？”。这个问题问得比较细，非常考验被面试者的硬件基本功。 2、似懂非懂的答案 有小伙伴可能不太清楚这颗电容的作用，回答不上来。也有小伙伴脱口而出：自举电容，用来做升压的。但后面好像说不出来具体逻辑。 没具体了解过，答不上来，也没啥可惜的。但是了解过一点，但又似懂非懂的这种，给出的答案只是轻轻点水或者千篇一律，那无疑是错过了一个加分项。 3、异步Buck的自举环路组成 既然是针对Buck电路讲自举电容，前面 阅读详情

相关推荐

如何实现VMware虚拟机上的ubuntu与windows主机共享文件夹

windows主机部分   在硬盘上任意位置新建文件夹，此处命名为Share，实际上随意。 接下来右键属性，操作如下系列图所示： 在硬盘上任意位置新建文件夹，此处命名为Share，实际上随意。 成功修改后，显示如下界面： VMware部分 ubuntu在关机状态下，点击“编辑虚拟机设置” 接下来，开启ubuntu系统，在终端输入： ·· vmware-hgfsclient ·· 将会显示如下画面，但是此时你可能找不到 /mnt/hgfs 这个路径，如果找不到该路径，则需要在虚拟

Mr.Sliver的博客 8219

vc++6.0 调试详细教程

vc++6.0 调试详细教程   Step into   Step over   Step out   Run to cursor   Watch

让我们的手指敲起锋利的代码勇敢前进！ 2147

openeuler在线/离线安装docker服务

openeuler在线/离线安装docker服务

haixuti7的博客 1071

详解Visual Studio热重载，实时修改Debug代码

菜鸟厚非 2万+

2024高项范文-论项目成本管理

例如，在需求分析和设计阶段，安排了较多经验丰富的人员，确保基础工作的高质量完成，同时也避免了后续因需求变更等问题导致的时间和成本浪费。虽然项目进度略有延迟，但通过有效的成本管理和调整，最终在可控的成本范围内完成了项目，并且软件的质量也得到了保障。通过这个案例可以看出，在项目成本管理过程中，要紧密结合时间管理，根据实际情况灵活调整策略，注重风险的防范和应对，才能实现时间和成本的平衡，确保项目的成功。资源规划是成本基准形成的基础。识别和评估项目中的成本风险，并制定相应的应对措施，以降低风险对项目成本的影响。

xjflion的博客 1188

【Android14 ShellTransitions】Transition就绪：双Transaction与SurfaceControl显示时机剖析

本文深入剖析了Android14 ShellTransitions框架中Transition就绪阶段的核心机制。重点解释了为何需要“双Transaction”来精确控制SurfaceControl的显示与隐藏时机，以确保Activity切换动画的流畅性。通过分析onTransactionReady流程、窗口绘制状态机及动画目标提升策略，揭示了系统如何协调WMCore与WMShell，实现从状态收集到动画播放的无缝衔接。

ooo22的博客 529

VC调试技巧之断点

1．  位置断点（LOCATION  BREAKPOINT）       在代码中按F9设置一个位置断点，然后按F5运行，是最常用的断点方式，但是遇到如下代码时，就十分头疼了。 int test(void) {      int i = 0, res = 99999999999;         for(i = 0; i         {                int

撒哈拉的绿洲 1665

AI初识—LLM、Ollama、Llama都是些个啥？

LLM指的是大语言模型（Large Language Model），是一种基于深度学习的模型，能够理解和生成自然语言。它通过大量文本数据进行训练，具备了理解上下文、生成连贯文本和回答问题的能力。著名的LLM包括OpenAI的GPT系列和Google的BERT。在AI技术快速发展的背景下，LLM、Ollama和Llama代表了现代自然语言处理的不同方面。LLM为我们提供了强大的语言理解能力，Ollama为模型的部署和管理提供了便利，而Llama则在效率和多样性上不断推进。

小蜗牛的珍贵百宝箱 4631

VC 调试收集

 调试的时候，可以通过修改 eax来改变函数的返回值。 VC调试技巧收集整理 - 程序之艺术 - 51CTO技术博客博客登录VC调试技巧收集整理       调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。      　　这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜

2904

全新DEIM有效涨点改进目录 | 本专栏持续更新500+篇内容 | 包含各种顶会顶刊卷积、注意力、特征融合模块、有效特征聚合提取模块，上采样模块、下采样模块，二次创新模块、独家创新等几百种创新点改进

🚀【CVPR2025DEIM改进专栏速览】🔥 专栏提供500+篇目标检测创新改进方案，涵盖卷积/注意力/特征融合等创新改进点，均源自顶会论文及实战经验。支持多领域应用（工业/医疗/遥感等），配套完整教程和答疑服务。亮点包括： 1️⃣ 持续更新SOTA模型改进方案 2️⃣ 小白友好型实验操作指南 3️⃣ 跨学科科研支持（已助非计算机专业发表论文） 4️⃣ 提供虚拟环境配置方案。 订阅可获完整项目代码及交流群服务，适合研究生科研论文改进需求。价格呈上涨趋势，早订更优惠！

Ai缝合怪、助力小伙伴高效发论文 2051

YOLO11涨点优化：原创自研 | 魔改Bottleneck，具备多尺度和特征通道融合的结构

可以将C3k2_MSAMCS放在neck，或者backbone和neck同时修改，具体看自己数据集的涨点情况决定

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； 1653

vc调试技巧

<br />VC调试技巧收集整理 <br />      调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。<br />      这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜单时，通过/表示分级菜单，例如File/Open表示顶级菜单File的子菜单open。      　　<br />      　　<br />      　　1 设置<br />      　　为了调试一个程序，首先

yaneng的专栏 3540

C#版OpenCV：OpenCVSharp 最详细最全面教程（万字详细总结）

OpenCVSharp 是一个用于 .NET 环境的 OpenCV 包装库，它提供了一种简便的方法来利用 OpenCV 的功能进行图像和视频处理。OpenCV（Open Source Computer Vision Library）是一个开源计算机视觉和机器学习软件库，最初由 Intel 研发并发布。OpenCVSharp 让 C# 和其他 .NET 语言的开发者可以方便地访问 OpenCV 的强大功能。// 打印 OpenCV 版本信息Cv2。

仰望星空的博客 2万+

转 vc调试技巧

VC调试技巧收集整理 调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。 这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜单时，通过/表示分级菜单，例如File/Open表示顶级菜单File的子菜单open。 　　 　　 　　1 设...

weixin_33978016的博客 130

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

VC 调试收集【转】

1266

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。

vc++ 调试技巧整理

 VC调试技巧收集整理        调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。       这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜单时，通过/表示分级菜单，例如File/Open表示顶级菜单File的子菜单open。      　　       　　

EffortForever 1612

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")

调试技巧

VC调试技巧收集整理       调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。       这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。本文约定，在选择菜单时，通过/

feihuxiaozi的专栏 1117

VC调试版本与发布版本编译链接选项差异和区别

本文非原创，根据网上资料收集整理而成1.链接库Single Threaded                     /ML       LIBC               (none)Static MultiThread                  /MT       LIBCMT         _MTDynamic Link (DLL)              /M

Koma的主页 3748

IOS开发收集整理(经典)

本文精选了 iOS大全 5月份的10篇热门文章。其中有技术分享、技术资源和业界动态。 注：以下文章，点击标题即可阅读 《移动开发必读书单》 某一领域的技术人，在他的职业生涯中，一定有一些绕不过去的技术和非技术的知识。有的时候，靠自己摸索、到处偷师，倒也能掌握。但是，这些别人早就趟过去的坎，大多已经有了非常棒的书籍作为总结。看了这些书，脚下的路就

移动开发专栏 385

VC++6.0行号插件实战：解决遗留项目开发痛点与兼容性指南

在软件开发领域，集成开发环境（IDE）是程序员的核心生产力工具，其代码编辑器的功能直接影响开发效率。现代IDE普遍内置了行号显示功能，这不仅是代码导航的基础，更是团队协作、调试和代码审查的关键参考系。其原理是通过实时计算和渲染文本视图中的行位置信息，为开发者提供精确的代码定位能力。这一功能的技术价值在于显著降低了沟通成本，提升了代码可读性和维护性，尤其在处理大型遗留代码库时至关重要。应用场景广泛覆盖了日常编码、调试断点设置、代码审查意见引用以及静态分析工具的报告定位。对于仍需维护基于特定历史框架（如MFC）

weixin_26804345的博客 239

“由于应用程序配置不正确,程序未能启动”－－原因及解决方法

 问题描述：当运行由VC 2005 编译的程序时，出现错误消息“由于应用程序配置不正确,程序未能启动.重新安装应用程序可能会纠正这个错误”解决方法：在目标机器安装VCRedist_x86.exe可以解决这个问题。该文件可以在MSDN网站上下载。地址：http://www.microsoft.com/downloads/details.aspx?FamilyId=32BC1BEE-A3F

护雪在线 3113
上一篇： GIS基本理论之四：空间数据分析基本理论
下一篇： 什么是Stub程序
点赞 0
评论 0
书签 书签 7
cicispace
cicispace
博客等级 码龄20年 33粉丝 16原创
+ 关注 专栏目录 订阅专栏
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
 
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