如何在 ASP.NET 中下载文件

computer_it computer_it 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 400+累计阅读 464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19年
关注
原创 最新推荐文章于 2026-04-17 11:05:22 发布 464 阅读 AI 写同款· GEO 优化 ›
ASP.NET MVC 实践之路 之十八 利用ASP.NET MVC处理文件上传与下载 利用ASP.NET MVC处理文件上传与下载文件上传与下载的操作在实际项目中经常是很重要的一个内容，在使用ASP.NET Web Form的时候我们可以使用诸多的服务器控件，FileIpload就是其中之一，但是在ASP.NET不建议使用那些服务器控件，因为那样违反三层架构原则。下面我们看看如何在ASP.NET MVC中处理文件上传与下载。首先我们创建一个名为UpAndDowmloadFiles的ASP.NET MVC Web Application。在解决方案中我们选择Controller文件夹，右键Ad 阅读详情

　这是笔者常被问到的一个问题，如何通过ASP.NET来下载文件，这个问题可大可小，我们先从小的开始。当我们要让用户下载一个文件，最简单的方式是通过Response.Redirect指令：

殇﹖ ☆粉汐げ沫沫 №柳絮飘零℡ 忘记 - 國際后爹。 ┌┌賣身 杨易易 丶ㄗìng*` 聖ジゞ心 |▍`縵嗨 ^蓝^幻 ♂演卜莞啲戏 &流浪鱼^ 自由人 Kugoo ●Lzisgod● ″_.淡莣°﹖ ωǒ﹎緈輻？ ┆鮳丄嘍┆~~ TAK-AKINA "`.惔莣.à﹖ .．壊尐孓 ゝ尛樂冃學 Lovin U 不想恋爱 ↘*潶Ｓè 襘 Sminis┆煌 ギ℡娚魜菋メ YGL^o^義 千里快哉风 H^ō^H 开心果 新新 smile~ ｛→.°難舍` 云翔 -〣ˇ莣誋◆ ╘*.兲使 __. 亡命天涯 ぁ嗳マ♀ヶ乔 ぐo騩贰爺︶ 木時 123?? SOSO用户 天使/ty草鱼 _﹥雙.漁蓙_ 爱袮爬上牆  ゛綪譅﹖ 木時 outsider ℅﹏彎○° ⒓冄23號 ℡誮惢ヾ 〆coooal﹏ ωǒ鈈袙※瀭 ︶ㄣ繌尐孓 老野 _ 蒤鵶．· 冥王の殇烙印 oО啡露⒏娶_ 『ˉ蕗ˉ』 の月ぜ光の SOSO用户 ＂Ｘīao┘肖 →習慣有袮ぺ 南無阿彌陀佛 瘋狂的喵喵 佳佳 愛捉弄人D.豬 打死也不能说 [潮濕］。 /ty╲_/~↘ 上帝メ禁區 溈鉨wo乄菰単 摇滚￠堕落 K★T★V★ ←￠幻風☆ ↘静静的。。 ︶ㄣ愛誰誰ㄣ ℉ǒr下午``` ↙℡︱聯盟灬 尐孓/勾贼嘢 我叫什么？ ゝ天囿┌藍 『火¤影』暗 喤締√ 高天流云 ぜだ♂ 黑崎一户 ゛-.閉 - 〆宝宝鱼ぐ 尘封记忆 卿松敷任 κ﹏錯〆覺 午后柠檬茶 精灵 日&月 一米阳光 有话直说 麥咯ダ麥﹫ -あXeyuuあ 血龙⑻寒风 随时 々諥キ嚸★← 偉偉/aiq最乖 ︵ShoW躌の帅 o.謊言..╱ 涙_Sky.孤独 影 季 鲈莼思归 あ冰山来客あ 流浪的疾风 ゛從紟暀後ˊ §如梦人生★ (_蒍祢变乖 这一季 八千女鬼 Dongr 阿君/xixin 皒，厛兲甴掵 LOVEの永远 /mg微笑 ジ緣起吥滅ジ 一切皆有可能 商████ 俊 獨行★天下 ご&ァ^╅緣╰ 夏水朦胧 飞雪飘扬 單純哋壞︶ㄣ (_頖縌ゞ尐姊 ㊣西湖づ壟王 愛の無限 '苊祉為尓哭. 喜欢你 ぃ閉幕式íΟ 你的左伴边 妖精鱼儿 ご孤單菋噵ご 喜喜 ﹎亂倫 ɑべ －到此爲止， せね亢吻掂ひ |ミ桖ㄨ際╮ WYAN 懶す喫草つて ▉▉冷血▉▉ 今世無緣 愛伱不是遊戲 ^球園書方か. ылε彬 ぃ旮旮跩う 魔鬼 ヤ吓ωǒ①跳 蓝鱼 蒓べ愛℡﹎嚖 笨毛毛 ●▕謀娚孓＂ /;f素颜如故 ♀少爺★偉¤ ‘虛僞 ポ岥つ尒さ陔 丅芈zai薆亇 ぐ灬葬︶ㄣ淚 ‘ 牜.Ы !` ら蝳薬ん ℡戀丄妳 玉九易 【禁止騷擾】 ゞ 淚 .﹖ 綠夢飛影 雪玲珑 善良Vs邪神 ♂葬≡ω≡祤 SOSO用户 灬莣ろ伱﹖ `〇畏．尛媫 ●.┍晨曦┚ o.﹎尜篈 Kld.Andy 绝不/aiq后悔 傷心≌無奈 永遠ご㊣戀ぷ _▂.絕い朢 缺失的天空 ╳灬笨笨滴ぴ 落叶随风 Z.Z=稀 ┢┦aｐΡy♂ な星ジ空乄下 最最幸运的人 恶魔/dx 破煖壷 いせ零 ╰⒎厷宔﹖ヤ o.繡譅′」藸 ★.寵愛n1. 愛妳/aiq無悔 川子 じ沉没过后こ ドるビ ↘夨憶m儍お 海洋~ 伤…… 缘来是你 ベｗǒ吥後悔 ●(╱引﹎Ｘ" 看见老鼠洞 燕子 ·o.苛嗳寶貝 百乐 戀メ僤蒓蘭爱 情是那麼笨 あ浅浅の嘚僾 .ī藍铯哒楓 Se7eη柒.誡 等待 ﹎′.錯覺、 魏向军 → 递归 /:+ COOL狗 ~餉祐赱﹏ 尐嘴亂儭亨 ωǒ/xin伤 聆@听☆世@界 ヅ天使ぺ嫙嵂 〢蘅◆嗳╲↘ -[艹莓頭]’ 兆/fw祺 ·ㄚòひ ？ ⒓愛⒉⒍妳 庝♀妍ル SOSO用户 天苍い零儿 寻仙问道 ：Ｉov３寶呗 冰厸￠翔宇 ▌再黬壹橫▌ ゛尛藾の潴ゞ Rеvоlνeг мe˙寳児 Ｘ＇卜覀亼 ″_.牯惑钕. 冰宫魔女 “喆”以死 优の优love♀ ご孤單菋噵ご  啵罩‵ linda ╰☆冰@だ/cy 笑看人生 SOSO用户 七夜 蓝色古月 末路狂花 21dē愛↗♀ 海方舟/aiq 囧灬墜落天使 |宝贝薇儿 专打龟系列 菏MIN -↘＂肚兜 | ′..晕s_ 11 ▄_鬭＊ _ωǒ﹎鍆~ ˇ葬№嗳√ ╪尐嘴亂親. 亂了放棄感覺 - [藍]１／蒅 Ｘiǎo/mg輝 ゥ＆竹 ゞ戀伱①輩孓 ♂笑骂自由人 `.`.暫無.... shuffle 程思成就未来 阳光的味道 後續★鉉ù 賣血丄網 .◆|.壞秂丿 无缘/tx爱你 xinxing鮭鮭 №恋※舞人间 Mua.〢兲缔℡ 一生兄弟 ⒈笙の僾伱 ssss 冰焰温情 ．羙侽籽./db 涟漪 Fly_100% №龍§尐☆ 晨风晓月 gfhjj 芸海桂/tp ★零八★ 深海之潮 飘 ☆☆☆☆☆ 石头 安静的C调 三百六十柒天 寶貝≒淚 糸色 望 ぃ吖ゞ頭 ●'|Ｘx蔸糨. 双子座飞鸟 SOSO用户 .|°妷.杺! 冷如风 木柔/love 木時 穿睡衣的果冻 语过添情 SOSO用户 ⊙_⊙乖の乖~ -[Ｇ/t 镜源世尘 华尔街 echo Dg 傑ル 123  

以下是引用片段：
　　Response.Redirect("test.doc")

　　您可以把上面这行指令放在Button的Click事件当中，当用户点击按钮之后，网页就会被转址到该word档，造成下载的效果。

　　但是这样的下载有几个问题：

　　1. 无法下载不存在的文件：例如，我们若是想把程序动态(临时)产生的文字，当作一个文件下载的时候(也就是该文件其实原先并不是真的存在，而是动态产生的)，就无法下载。

　　2. 无法下载存储于数据库中的文件：这是类似的问题，该文件并没有真的存在，只是被存放在数据库中的某个位置(某笔记录中的某个栏位)的时候，就无法下载。

　　3. 无法下载不存在于Web文件夹中的文件：文件确实存在，但该文件夹并不是可以分享出来的Web文件夹，例如，该文件的位置在C:/winnt，您总不会想要把该文件夹当作Web文件夹吧?这时候，由于您无法使用Redirect指向该位置，所以无法下载。

　　4. 下载文件后，原本的页面将会消失。

　　典型的状况是，我们要让用户下载一个.txt文件，或是.csv格式的Excel文件，但是...

　　1. 这个文件可能是通过ASP.NET程序动态产生的，而不是确实存在于Server端的文件;

　　2. 或是它虽然存在于伺服器端的某个实体位置，但我们并不想暴露这个位置(如果这个位置公开，很可能没有权限的用户也可以在网址栏上输入URL直接取得!!!)

　　3. 或是这个位置并不在网站虚拟路径所在的文件夹中。(例如C:/Windows/System32...)

　　这时候，我们就得采用不同的方式：

以下是引用片段：
　　Shared Function DownloadFile(ByVal WebForm As System.Web.UI.Page, ByVal FileNameWhenUserDownload As String, ByVal FileBody As String)
　　WebForm.Response.ClearHeaders()
　　WebForm.Response.Clear()
　　WebForm.Response.Expires = 0
　　WebForm.Response.Buffer = True
　　WebForm.Response.AddHeader("Accept-Language", "zh-tw")
　　'文件名称
　　WebForm.Response.AddHeader("content-disposition", "attachment; filename=" & Chr(34) & System.Web.HttpUtility.UrlEncode(FileNameWhenUserDownload, System.Text.Encoding.UTF8) & Chr(34))
　　WebForm.Response.ContentType = "Application/octet-stream"
　　'文件内容
　　WebForm.Response.Write(FileBody)
　　WebForm.Response.End()
　　End Function

　　上面这段代码是下载一个动态产生的文本文件，若这个文件已经存在于服务器端的实体路径，则可以通过下面的函数：

以下是引用片段：
　　Shared Sub DownloadFile(ByVal WebForm As System.Web.UI.Page, ByVal FileNameWhenUserDownload As String, ByVal FilePath As String)
　　WebForm.Response.ClearHeaders()
　　WebForm.Response.Clear()
　　WebForm.Response.Expires = 0
　　WebForm.Response.Buffer = True
　　WebForm.Response.AddHeader("Accept-Language", "zh-tw")
　　'文件名称
　　WebForm.Response.AddHeader("content-disposition", "attachment; filename=" & Chr(34) & System.Web.HttpUtility.UrlEncode(FileNameWhenUserDownload, System.Text.Encoding.UTF8) & Chr(34))
　　WebForm.Response.ContentType = "Application/octet-stream"
　　'文件内容
　　WebForm.Response.Write(System.IO.File.ReadAllBytes(FilePath))
　　WebForm.Response.End()
　　End Sub

标签
#asp.net #redirect #数据库 #button #excel
#web
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
使用HFSS仿真分支波导耦合器 本文介绍了分支波导耦合器的HFSS仿真设计过程。首先给出了器件关键参数（t=0.365mm，l=1.600mm等），详细说明了建模步骤：包括创建中心分支、设置变量参数、镜像复制两侧分支、矩形波导端口设计等操作。重点阐述了激励端口设置方法，包括四个端口的积分线绘制，以及求解频率设定。最后展示了S参数、幅度平衡度和相位差等关键性能指标的仿真结果提取方法。整个设计过程体现了HFSS在微波器件仿真中的参数化建模和结果分析能力。 阅读详情

相关推荐

Oracle EBS R12.2 安装 -- Step by Step

Oracle EBS R12.2 安装 -- Step by Step

Albert Tan DBA之路 1511

解析：如何在 ASP.NET 中下载文件

这是笔者常被问到的一个问题，如何通过ASP.NET来下载文件，这个问题可大可小，我们先从小的开始。当我们要让用户下载一个文件，最简单的方式是通过Response.Redirect指令： 　　Response.Redirect("test.doc") 　　您可以把上面这行指令放在Button的

493

信号完整性之阻抗（五）

一、什么是阻抗 阻抗的概念是从高中或者初中大家可能就会接触到，没想它一直陪伴我十年了。在我的印象中，提到阻抗我可能就会想到电阻，这样的思想局限也限制了我平常思考问题。所以今天也想把阻抗这个概念在顺理一遍，有错误或者欠缺的地方希望大家指正。 1.什么是阻抗： ==在具有电阻、电感和电容的电路里，对电路中的电流所起的阻碍作用叫做阻抗。阻抗常用Z表示，是一个复数，实部称为电阻，虚部称为电抗，其中电容在电路中对交流电所起的阻碍作用称为容抗 ,电感在电路中对交流电所起的阻碍作用称为感抗，电容和电感在电路中对交流电引

刘小同学的博客 2587

如何在 ASP.NET Web API 中设置下载文件名 ?

咨询区 Tae-Sung Shin： 在我的 ApiController 类中，有一个下载文件的Action方法，代码如下： publicHttpResponseMessageGet(intid) { try { stringdir=HttpContext.Current.Server.MapPath("~");//locationofthetemplatefile Streamfile=newMemoryStrea...

寒冰屋的专栏 600

无源低通滤波器

无源RC滤波器“滤除”不需要的信号，因为它们分离并允许仅通过其频率的正弦输入信号，最简单的是无源低通滤波器网络。在低频应用（高达100kHz）中，无源滤波器通常使用简单的RC（电阻-电容）网络构建，而高频滤波器（高于100kHz）通常由RLC（电阻-电感-电容）元件制成。无源滤波器由电阻器、电容器和电感器等无源元件组成，没有放大元件（晶体管、运算放大器等），因此没有信号增益，因此它们的输出电平始终小于输入。滤波器是根据它们允许通过它们的信号的频率范围来命名的，同时阻挡或“衰减”其余部分。

weixin_44448586的博客 1万+

【python3.7】解决报错 error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++

解决pip安装py7zr遇到的报错问题。

水w的博客 3937

Asp.NET 的几个高级技巧

在ASP.NET中隐藏下载地址：首先要将下载地址放在数据库中，表TabMailAttachFiles中的FileVisualPath字段存储为真实地址。string sel_sql="select FileVisualPath from TabMailAttachFiles where FileID="+Request.QueryString["destFileName"].ToString();...

weixin_34405557的博客 147

服务器被攻击植入挖矿病毒，CPU占用高问题排查处理（.systemd-service.sh）

客户服务器遭攻击，部署的应用服务经常性被停止，服务器CPU占用居高不下，top查看如下： 可以看到第一个bash任务，占用cpu近400%，非正常的应用程序和脚本任务，多半是被植入了木马信息。 查看该进程的符号连接，发现已经是被删除的状态 /usr/bin/-bash (deleted)，无法查看其启动程序的信息 查看定时任务：cat /etc/crontab,发现都是正常的应用程序定时脚本 又用 crontab -l 查看了一下，发现了异常定时任务如下，同top里的异常任务一致...

gottst0113的博客 2118

Asp.net MVC 处理文件的上传下载

如果你仅仅只有Asp.net Web Forms背景转而学习Asp.net MVC的，我想你的第一个经历或许是那些曾经让你的编程变得愉悦无比的服务端控件都驾鹤西去了.FileUpload就是其中一个，而这个控件的缺席给我们带来一些小问题。这篇文章主要说如何在Asp.net MVC中上传文件，然后如何再从服务器中把上传过的文件下载下来.在Web Forms中,当你把一个FileUpload控件拖到...

weixin_34402408的博客 82

从理论到代码：如何用随机矩阵理论(RMT)优化你的微生物共现网络分析？

本文详细介绍了如何利用随机矩阵理论(RMT)优化微生物共现网络分析，解决传统阈值法的主观性和不稳定性问题。通过R语言实现端到端的分析流程，包括矩阵标准化、本征值谱分析和自动阈值确定，显著提升网络构建的准确性和可靠性。该方法特别适用于高通量测序数据，能自动识别噪声与真实信号的边界，为微生物组学研究提供更精确的互作网络分析工具。

weixin_29096377的博客 360

Qwen大模型参数解析

Qwen系列模型的参数主要分为（决定模型结构）和（控制生成行为）两类。由于该系列已迭代多个版本，参数设计也在不断演进，我会结合最新版本为你进行分层梳理。

yeyiboy的博客 164

利用Asp.net MVC处理文件的上传下载

如果你仅仅只有Asp.net Web Forms背景转而学习Asp.net MVC的，我想你的第一个经历或许是那些曾经让你的编程变得愉悦无比的服务端控件都驾鹤西去了.FileUpload就是其中一个，而这个控件的缺席给我们带来一些小问题。这篇文章主要说如何在Asp.net MVC中上传文件，然后如何再从服务器中把上传过的文件下载下来. 在Web Forms中,当你把一个FileUpload控

晓剑 1589

STM32G0/G4无刷电机硬件设计与FOC控制实现

无刷直流电机（BLDC）和永磁同步电机（PMSM）的矢量控制依赖于高精度电流采样、实时SVPWM调制与闭环PI调节等核心技术。其底层实现需兼顾电机本体建模、坐标变换（Clark/Park）、死区补偿及硬件资源约束。STM32G0系列凭借CORDIC协处理器与超低功耗特性，适用于成本敏感型有感FOC应用；而STM32G4集成运放、FMAC滤波器与高级定时器，可支撑高性能无感控制与多源传感融合。该技术广泛应用于机器人关节、智能云台、伺服驱动等场景，是嵌入式电机控制工程师必须掌握的工程化落地能力。

weixin_35751412的博客 120

下载文件夹里面的所有文件，并压缩成.zip压缩包的形式

http://www.aspsnippets.com/Articles/Download-multiple-files-as-Zip-Archive-File-in-ASPNet-using-C-and-VBNet.aspx 1.HTML tag <div> <asp:Button ID="Button1" runat="server" Text="D...

weixin_34162629的博客 277

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

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")

asp.net页面如何调用silverlight

在Asp.net 调用 silverlight并不是很难,只是在aspx中添加script调用xap即可. 例如: (1)、SL3中已经找不到System.Web.Silverlight.dll文件了,到这里下载,然后将其添加到项目引用中去. (2)、需要首先注册,在asp.ne

张彦鹏的专栏 2212

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

ASP.NET Core 下载文件

有效值不限于“image/jpeg”、“image/gif”、“image/png”、“text/plain”、“application/x-zip-compressed”和“application/json”。本文使用 ASP .NET Core，适用于 .NET Core 3.1、.NET 5、.NET 6和.NET 8。下载的另一种方法是附加内容处置标头。另一种方法是从文件中读取字节，但这需要更多的内存并且在处理文件时效率不高。

csdn_aspnet的专栏，请点击博客主页右上角三个点中的私信联系 1万+

ASP.NET MVC 下载文件

使用 从 ASP.NET MVC 中的控制器下载任何文件类型FileStreamResult。注意：如果使用ASP.NET Core，请参阅此页面，如果想要将文件上传到服务器，请参阅此页面。从使用字节数组的 ASP.NET MVC 控制器下载任何数据类型。如何从 MVC 控制器（.NET Framework）下载文件。

csdn_aspnet的专栏，请点击博客主页右上角三个点中的私信联系 1万+

如何在ASP.NET中下载文件

　　这是笔者常被问到的一个问题，如何通过ASP.NET来下载文件，这个问题可大可小，我们先从小的开始。当我们要让用户下载一个文件，最简单的方式是通过Response.Redirect指令：　　Response.Redirect("test.doc")　　您可以把上面这行指令放在Button的Click事件当中，当用户点击按钮之后，网页就会被转址到该word档，造成下载的效果。　　但

dotnetWalker的专栏 5543

ASP.NET实现文件下载

方式一：TransmitFile实现下载。将指定的文件直接写入 HTTP 响应输出流，而不在内存中缓冲该文件。     protected void Button1_Click(object sender, EventArgs e)     ...{        /**//*          微软为Response对象提供了一个新的方法TransmitFile来解决使用Response

無為 3万+
上一篇： 一篇介绍 Java Socket 编程的经典文章
下一篇： 在Visual Basic中移动当前记录的方法
点赞 0
评论 0
书签 书签 0
computer_it
computer_it
博客等级 码龄19年 0粉丝 19原创
+ 关注
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