[转载]vc入门的一条路

别再乱改宏定义了!STM32F103程序移植保姆级教程(从C8T6到ZET6实战) 本文详细解析了STM32F103程序从C8T6移植到ZET6的实战步骤,重点介绍了硬件差异、开发环境配置、时钟陷阱及外设处理等关键点。通过修改宏定义(如STM32F10X_HD)、调整启动文件和时钟配置,确保移植顺利进行。适合嵌入式开发者参考,避免常见移植问题。 阅读详情
首先声明,我可不是什么高手,也就是刚脱贫。因为运气很好,买到了几本好书,在学习过程中几乎没走什么弯路,没费什么劲就入门了,现在一般的小程序能搞定了。看到那些因为不知从何下手而苦苦挣扎的朋友,希望我的文章能给他们一些帮助。

  学编程急不得,上来就学VC肯定碰一头灰,说VC难就难在这点上了。如果硬上,意志坚强的话也许能挺过来,但也是会缺乏后劲,不得不回过头来补习基础知识。意志不坚强的话,很有可能就此放弃了,并留下一个VC难得不得了的印象。其实,只要踏踏实实一步一步来,VC也就是很简单点事。在这里我说一下,如果你还只是一个初中生,那么你就应当仔细考虑一下了。首先,限于你的知识和思维能力,学学C语言还应该没问题,但要学VC是要下相当大的功夫的。而且,你现在学到的东西将来一定会过时,所以不如把精力放在算法的研究上,毕竟这些东西永远都不会过时。
 
  我觉着如果走对路子,入门VC,一个暑假应该够用了。

  虽说学VC并不是传说的那么难,可不下些苦功夫是学不成的。在学VC前,你必须确定,你是因为热爱编程才学VC的,而不是出于炫耀或其他。否则,恐怕你坚持不到胜利的那一天。  

  对于首次接触编程的同学,我建议最好先学一下Quick BASIC(DOS里就有带,就是那个QBASIC.EXE),不用多学,知道什么是整型什么是浮点,以及DO...LOOP FOR...NEXT 等最基本的知识,能算个阶乘,求个积分就行了,关键要明白计算机是怎么执行命令的,对编程有个感性认识。如果你对自己有自信,也可以直接学C++,应该也不会多费太多事。不过我觉着因为有很多资料是FOR VB的,并且网页编程常用VB Script,以后你也很有可能要用到VB,所以了解一些BASIC对以后也是有帮助的。而且如果只是要算个小题用QB比VC、VB之类方便多了。(找个人教一两天应该就能搞定了吧)

  之后我建议找本初高中信息学奥赛的书(有些奇怪吧)。这些书里讲解了基本的算法,写的却比较通俗,没什么高深的数学知识,容易理解。这些东西在数据结构课程中有系统严密的讲解,所以也可等以后再学。但我觉着现阶段写一些小程序,实现些常用算法对自己的思维是很好的锻炼,对以后的学习大有好处。我想,能排排序,求个八皇后,算个汉诺塔,再知道深、广度优先搜索就可以了。

  如果你已经有一些编程的基础知识了,自然就可以跳过以上两步。

  等你对编程有一定的认识后,就应该开始进军C++了.注意,是C++而不是VC,这两者根本不是一码事!别买VC入门,你肯定看不懂!C++是一门语言,而VC教程则是讲解如何使用MFC类库,学习VC应建立在充分了解C++的基础上。

  我觉着比起许多花花绿绿的大全、宝典,不如买本大学的C++教程(注意:别买等级考试的教程,那是应试用的),那些教程大都经过反复锤炼,比较系统,很有含金量,有不会太贵。这里我暴力推荐由清华大学出版社出版的一本《C++程序设计教程》,封面是红色的,封底是黄色的,看起来很朴素,主编是钱能。这本书简直是好的没法说,还便宜(39.5元)。这本书不但告诉你语法,还告诉你为什么要这样规定语法,看完之后,你会觉着那许许多多的规定是理所当然的,根本不用费心记,不但不枯燥,反而会使有一种美感。书中还有许多实际编程时应注意的问题,很有价值。这本书还配有《实验指导》,和《习题集》,不过对于有一定编程经验的人应该是用处不大,所以我没买。除了这本书,我建议再买本关于传统C语言的书,要着重以下几个方面:编译预处理、typedef的使用,位运算,标准库函数的使用(最好有一个比较详细的列表,用的时候好查)。

  C++的标准类模板是个不错的东东,不过对于学习MFC却没有帮助,原因是MFC太落后了(^_^),可以先放一放,要不要学等搞定MFC时再作决定。虽然我没怎么学过,不过觉着它挺不错,而且代表了一种发展方向。虽然学着费劲(那东西几乎没一点C++的样子,简直是在学新语言),但掌握它可使编程轻松不少。

  学完了C++,该学VC了吧?别急,先找本WIN32编程的书,这次没什么讲究,看着差不多的,便宜一些的就行了,如果有对于VC集成环境的介绍就最好了。WIN32编程是指用WINDOWS API编程,MFC是将众多的API函数进行了封装的类库,用起来方便了不少,但如果没有一些API编程基础,对相关概念不了解,学起MFC来可能会很费解。相信我,将来你不会觉着学API编程是浪费时间的。API函数有两千多,要都学会累死。其实你只要知道如何创建窗口、对话框、控件、消息循环,了解了句柄的含义就差不多了,最好再了解一点GDI编程。这个阶段的关键是要理解WIN32程序是如何运作的,把握各种窗口间的关系。因为你以后应该很少直接用WIN32 SDK编写程序,所以关键是理解整体结构,记住几个函数并没有什么意义。函数用的时候可以现查。手头应有一份比较全面的资料。中文的API函数大全好像只有For VB的,不过看起来应该是没有任何障碍。英文的资料MSDN中就有,相当全面,也比中文的详细一些。我建议用中文资料快速查找,有问题再看英文。(我忘了我的html版中文API大全是从哪下载的了,不过书店有售,白皮的,很厚一本,很贵就是了。谁想要可以与我联系 iamsor@sohu.com)

  对于想学游戏编程的朋友注意:从现在起,你不必去学什么MFC了,相信我,那东西除了让你头疼一点用处都没有。游戏都使用Win32 SDK编出来的。现在,你要学的是DirectX。我推荐老王翻译的DirectDraw文档( www.imagic3d.com),前面有一些老王自己写的基础知识,很适合入门, 在此特别感谢老王的辛勤劳动。我还买了一本《DirectX 7 速成教程》,机械工业出版社出版,封面封底都是红色。除了翻译惨了点还算不错,介绍的挺全面,还有一些游戏编程基础知识。如果你想图省事,可以考虑用云风编写的风魂游戏库,很方便的( www.codingnow.com 对云风的辛勤劳动表示感谢).不过我仍然建议至少了解一下DirectX.这里说一下,很多朋友抱怨找不到有关DirectX的书籍,我告诉你,别去编程书籍里找,去多媒体制作书籍那找,还要把眼睛瞪得大大的、圆圆的。Director.. Director.. DirectX!!!知道了吧,书店工作的人眼神都不大好,我也是有一天没事瞎转才发现的,吓了我一大跳。发现这个秘密后我发现其实有不少关于DirectX的书,只是一般人找不到罢了。学会了DirectX,就可以开始奋斗了,剩下的问题就只有积累经验了。

  对于志向是应用软件的朋友,打好了基础,现在进军VC的障碍都已扫清了。不过还是应做好充分的思想准备,事情不会那么顺利的。刚开始,你就要面对一个瓶颈,大量的紧密关联的知识,使你必须一下理解一个整体,而很难一点点来。可以说,学VC最难的就是刚开始。情况有些类似于你第一次创建窗口时面对的那长长的程序,只不过更糟糕就是了。很多人就是在此被一大团知识噎着,放弃了学习。事实上,这几乎是Windows编程的一大特点,在WIN32编程时你就应当有所体会,而DirectX和COM都有类似问题。记住,一定要坚信:突破了这个瓶颈之后便是一片海阔天空,而有着扎实基础的你是一定能闯过去的。
  我的建议是,不要等彻底弄明白一句才看下一句,而是知道好像怎么回事就向下看,实在看不懂也硬着头皮往下看,等能比猫画虎的作出个菜单、对话框时便回过头再看一遍,几遍之后应该就可以大概明白MFC程序的运作了。注意:这里有个关键,一定要用心体会面向对象编程的精神,努力将眼前的程序与你之前所学的知识联系起来。通过比较成员函数和对应的API函数间的区别,尝试去理解MFC是怎样封装相关的API的。例如,相当多的类将句柄封装了起来,在传递参数时加以省略,这就是一个很重要的特性。MFC中有许多的宏,看起来很奇怪,但你不必理会其实现方法,只要知道如何使用便可,这点也很重要。还有,千万不要过于依赖ClassWizard,对于其生成的代码要自己进行分析,偷懒就不能真正理解MFC。

  这里我介绍一种学法,不过学法这种东西因人而异,所以还要根据个人的情况决定。开始时,教程让怎么办就怎么办,比猫画虎的作出个菜单、对话框,然后试着添加控件。等能不看教程便做到这些时,开始逐字逐句的试着理解MFC程序的组织。若看不懂就跳过看下面的。就这样一遍一遍来。如果觉着头大就先歇上两天,等清醒了再接着来.最好在这期间多找些介绍MFC框架的文章。注意:先不要碰有关文档/视结构的东西,否则你会更头大。然后便可试着写个定时器、名片夹之类的小东西,熟悉一下各种控件的使用。

  突破了开始的瓶颈之后再学下去便会越学越容易,因为你可以一点一点的积累知识,而不用担心被噎着了。再过不久,你就不得不开始使用API函数完成一些功能,如在系统托盘加图标,自画列表框等。这时,你也会体会到学习WIN32编程的好处了,没学过的人很可能就此卡壳。

  关于VC的教程遍地都是,但鱼龙混杂,市场乌烟瘴气,骗钱的书真不少。有些书很厚,内容当然也很全,对老鸟很不错,但对于初学者似乎有些浪费钱,因为里面绝大部分的东西MSDN中都有,并且初学者用不着。老外写的书一般内容不错,但翻译水平是个问题。如果翻译糟糕可够你受的,加上价格不菲,我也不建议初学者买。还有些什么傻瓜书、图解之类,好像是面向初学者,时则为骗钱,你看完后除了那几个例子什么也不会作。如果你看到有一本书花了大量的篇幅图文并茂,生动形象的介绍如何画图,输出文字,别买!骗钱的!(:-< 我就被坑去42块现大洋)那些花哨的东西对初学者除了转移注意力没任何好处。如果你真的对GDI绘图很感兴趣,就去找些专门书籍,比那些书好多了。最好买名字类似于VC应用,VC编程之类比较正式的,图不要太多的,字不要太大的,最好是有较多的控件介绍的。当然,文字流畅也是很重要的。书不要买太多,最多两本,因为这些书内容都差不多,买多了的话东看西看反倒没好处。在这里,我建议初学者先别急着掏钱,而是去VC王朝( http://vcdynasty.yeah.net/)下载本MFC教程。虽说是网上教程,却当相当有水准。不但内容比较全面,还一句废话也没有(这里感谢作者的辛勤劳动)。只是可惜对GDI没有一点介绍,还须其他书籍作补充。等搞定这本教程时,应该就已经入了门,可以有针对性的选购书籍,不用担心上当受骗了。还有,VC知识库( www.vckbase.com)的网上杂志也很不错,对刚入门的人很有帮助,建议下载。入了些门后,各个网站多转转,看见好文章就往下拉,对提高水平很有好处。

一套MSDN光盘在这时是必不可少的,什么都找中文资料是不可能的,即使能找到也会很费时间和金钱,只能看硬着头皮英文。不过以我的经验看,只要有高中水平的英语,加上金山词霸一路滑过去,看那种专业文章还是很容易的。还有,初学者一上来可能根本不知道上哪找需要的东西,我在这里把常用的地方列一下:

WIN32 API: 平台SDK->Reference->Win32 Functions in Alpha Order
MFC类库资料:   Visual C++ Documentation->Reference->Microsoft Fo...
C/C++语言及标准库资料:   Visual C++ Documentation->Reference->C/C++...
标准控件:   标准控件都被MFC封装了,可以参考对应的类,如Edit控件对应CEdit类.
VC中带的ActiveX控件:   Visual Basic文档->参考->控件参考(唯一的中文资料,却是最糟糕的。不但是For VB,与C++有很大区别,还翻译得乱七八糟,几乎没法用.如有高手知道哪有英文资料还请告知,不胜感激)

  目前市面上的MSDN光盘已经有一段历史了,有些东西可能有些过时。要最新资料的话,可以到微软的网站(当然是全英文的)。不过对于初学者似乎没有必要。

  搞定VC后,要学什么都随你便了,再学C++Builder,VB,Dephi,java什么的都是一点难度都没有了,感觉就象是把关键字换了换。或者可以去啃啃COM,据说那是块硬骨头(不过好像也只是入门难,因为有了之前的经验,虽然我没碰过,但花点时间应该是搞得定的。另外DirectX编程经验在此应该是有些帮助的)。
 
  最后,我建议有时间的话多研究一下各种算法。数据结构是一定要看的。不一定要记住(话说回来,不经常用的话也记不住),但至少要知道有那么回事,万一碰到问题了要知道往那边靠。其实,常见的链表等结构以及排序等算法在C++标准类模板中已经实现了,不用你去费劲,但有些了解的总是有好处的。至于离散数学、线性代数什么的,对于复杂些的算法是必需的,其中离散数学是数据结构的基础。不过,我倒觉着只要不是太复杂的问题只用经验也能解决(就象奥赛书中那样,只是实现而没有证明),而且那些东西不用就会忘。万一碰见个难题解决不了,找个高手帮忙也不错,省时省力^_^。
 
  下面是我想到的一些杂七杂八的问题,没什么条理,凑或看吧:
 
  英语水平不用很高,但至少要有高中水准,否则有你受的。
 
  看书一遍看不懂没关系,事实上,要一遍就能弄懂你就很有天分了。只要多看几遍,综合分析,应该是没有什么问题的。

  现在的世道,不是书到用时方恨少,而是书到用时方能学。不要试图满把抓,而要用到什么学什么。这样,学的又快,记的又牢。

  一个错误认识-学编程靠的是记忆:这是很要命的思想,会让你累死而无所得。事实上,你几乎不用特意记任何东西。对于各种函数、语句,只要知道有那么个东西,用的时候知道上哪找就行了,用多了自然就记住了。学编程关键在理解编程思想。

  一个小技巧:活用编译器可以帮你很多忙。在VC中,当你输入成员符号.或->时,程序会自动列出此类的成员,你只要选一个就行了。这样便省了很多记忆负担。例如,你想获得一个CString类对象的长度,对应方法肯定是Get什么,但是GetLetterNum还是GetStrLength却不知道,你可以输入xxx.Get,这样,你便可从列表中找到一个GetTextLength(),不是这个还能是什么,单击它的话还可能出现说明。还可避免打错字。如果想调用本类的成员函数,就输入this->,就可以查看成员列表了。对于全局函数,则是输入::即可。这样的话看起来还清楚。还有,如果没有出现那个列表,八成是你弄错了什么东西,例如变量没定义,或打错了字,但也可能是VC的BUG,很少就是了。对于初学者,这可是很好用的功能。
 
  初学编程应遵循的一条原则:比猫画虎、不求甚解。关键在于很多东西你就甚解不了,例如MFC中稀奇古怪的宏。而且,甚解了也没太大的好处,暂时还是不要管它,会用就行了,什么时候有了闲工夫再来慢慢琢磨。多留心别人的程序是如何实现的,并照着去做。有时,一些小问题也体现着高深的思想。比如,一个变量要定义在什么地方,如何组织类的结构。如果不太明白,就先找着别人的样子去作,时间一长就会自然而然的明白,这就像下棋一样,老头怎么下,你也跟着怎么下,毕竟他出错的可能比你小。

  还有,我觉着初学者不应把过多的精力放在象Cool的工具条,透明的、气泡状的窗口之类的工作上。再搞这些之前,你最好问问自己,自己的程序配得上这些漂亮的界面吗?尤其是,千万不要在刚开始动手时就先打扮界面,以免界面也弄好了,热情也没了。毕竟,看在眼里的成果给人的刺激比枯燥的算法强得多。如果你想搞的话,也要等程序主体定型后再搞。

  初学时还应多留心关于程序结构组织的文章,这些东西是很重要的。要从一开始便养成良好的风格。否则有一天当你决定编一个大点的程序时,你就会发现干到一半就干不下去了。

  编程不是技术活,而是体力活:学的时候满脑子全是技术,可用的时候就真成了体力活了。真正做起东西来,最重要的是要有毅力坚持到完。意志不坚强就难免半途而废。

  关于初学者是该学VC还是该学VB的问题:我觉着,学VC会难一些没错,但掌握学习方法的话也没想象的那么难,而且学VC才能深刻领会面向对象编程的精髓。它使你的思想提升了一个高度,对以后的发展是大有好处的。再说,如果这点困难都克服不了,以后也很难有什么作为。所以,即使你打定主意用VB,也还是花些时间看看VC,至少知道它的大概结构。从长远看,这是很有好处的。
 
  关于学C++ Builder还是Visual C++的问题:也许VC真的不太好,但总不会太糟。可关于VC的资料不知是关于C++ Builder的多少倍。尤其对于初学者,这时很要命的!何况两者相差其实并不太多,学会了一种,再学另一种也不会太费事。

  呵,没想到说了这么多。我已经声明了,其实我也就是刚入门,以上一切都是我自己的感受,难免有错误,还请高手指正。另外,这是我第一次写文章,加上我语文很糟糕,其实就是想到哪写到哪,各位就凑或一下吧
Voxel Hashing技术解析:如何解决TSDF内存爆炸问题? 本文深入解析Voxel Hashing技术如何有效解决TSDF内存爆炸问题。通过动态内存分配和空间哈希函数设计,该技术将内存占用降低96.6%,同时保持高精度重建。文章详细介绍了GPU加速实现、现代系统演进及实践指南,为实时3D重建提供工程解决方案。 阅读详情

相关推荐

2021年软件测试面试题大全

简述测试流程: 1、阅读相关技术文档(如产品PRD、UI设计、产品流程图等)。 2、参加需求评审会议。 3、根据最终确定的需求文档编写测试计划。 4、编写测试用例(等价类划分法、边界值分析法等)。 5、用例评审(主要参与人员:开发、测试、产品、测试leader)。 6、开发提交代码至SVN或者GIT ,配管搭建测试环境。 7、执行测试用例,记录发现的问题。 8、验证bug与回归测试。 9、编写测试报告。 10、产品上线。 补充测试用例设计过程: 根据需求得出测试需求 设计测试方

hard_days的博客 20万+

菜鸟的进阶之路

对于一个不善于写作的我来说,平时都是看别人的博客,但是自从有了学习编程的想法之后,觉得要记录一下自己的学习之路,我想以后应该养成一个好习惯,记录自己解决问题的思路和对学习到的新知识有更深的认识,也希望读者去评论一下自己观点,指出我的不足,及时改正让我们共同进步。 ...

weixin_44837705的博客 249

2024高校网络安全管理运维赛题目--复现+题目+wp

官方writeup集思广益比较好的备份。

书山有路勤为径,学海无涯苦作舟 1323

VC/MFC、Win32编程等Windows程序设计技术开发学习经验

VC/MFC、Win32编程等Windows程序设计技术开发学习经验 1、蔡学镛详解WPF精粹:WPF VS Apollo2、十年MFC经历认识的Microsoft技术3、系统学习Linux的十一点建议4、Windows开发工具...

cuipupang7949的博客 147

密码子偏好性分析实战指南:从codonW到EMBOSS-CUSP的完整流程解析

本文详细解析了密码子偏好性分析的完整流程,从基础概念到实战操作,涵盖codonW和EMBOSS-CUSP工具的使用技巧。通过RSCU、ENC、CAI等关键参数分析,帮助研究者理解基因表达调控规律,优化外源基因表达效率,适用于分子生物学和合成生物学研究。

weixin_33737774的博客 572

从安装到跑通第一个例程:Halcon 20.11深度学习版环境搭建全记录

本文详细记录了Halcon 20.11深度学习版环境搭建的全过程,从安装配置到运行第一个例程,特别针对CUDA版本冲突、算子验证和样本数据预处理等常见问题提供解决方案。通过实战案例展示PCB缺陷分类流程,帮助工程师快速掌握工业级图像处理技术,提升深度学习模型在工业质检中的应用效率。

weixin_28739079的博客 221

这是一个最糟的创业时代 VC一片死寂

最近天使们对于创业环境都表示不看好,前几天经纬投资中国创始人张颖表示“现在质量好点的创业项目或者创业者比去年少了至少七成,并且这种状态也非常明显地持续了半年”。昨天另一位天使投资人凌代鸿又发微博表示,这是一个最早的创业时代,资本市场不活跃,VC一片死寂。都说自古华山一条路,无限风光在险峰,若干年后回想起来,是否最牛逼的公司都会出现在这时候? VC一片死寂 就在今年五月份,大家都在...

轻轻草原 136

C++网络编程 - Boost::asio异步网络编程 - 01- boost库源码编译安装

知识的学习在于点滴记录,坚持不懈;知识的学习要有深度和广度,不能只流于表面,坐井观天;知识要善于总结,不仅能够理解,更知道如何表达! 目录 如果需要录屏资料,请私信邮箱shitou3000@qq.com获取。 ...

大秦坑王的专栏 1万+

如何设置VC中的WinpCap开发环境

在Microsoft的VC++中使用wpcap.dll创建应用的步骤如下: 在需要调用wpcap.dll动态连接库的功能和函数的所有源代码文件的开头引用头文件pcap.h; 如果应用程序使用了Winpcap的Win32相关函数,记住在预处理定义中需要引用WPCAP; 在编译连接选项Link中设置包括wpcap.lib库文件,wpcap.lib在Winp...

weixin_34237596的博客 148

YOLOv8中间特征层可视化

在通过观察这些特征,可以清楚地看到模型如何逐步将输入图像转化为有意义的表示。

weixin_45314480的博客 6891

基于Simulink的PR(比例谐振)控制器在单相整流中的应用

本文详细介绍了基于Simulink的单相整流系统中PR(比例谐振)控制器的设计与实现方法。首先阐述了PR控制器相较于传统PI控制器的优势,能够有效消除交流信号跟踪中的稳态误差。接着系统讲解了PR控制器的传递函数原理、实用型设计(带带宽)及参数整定方法。通过Simulink建模步骤,包括主功率电路搭建、电压外环PI设计、电流指令生成、PR控制器实现(推荐MATLAB Function方法)和SPWM调制等关键环节。仿真对比显示PR控制在电流跟踪精度(THD仅1.9%)、功率因数(0.998)和动态响应(突变恢

amy_mhd的博客 690

给技术创业的九个忠告(转载)

很长一段时间,我对国内IC设计产业的困境感到迷惑不解。在这个产业里,聚集了中国最聪明的头脑(其中绝大多数是海归精英)。政府很舍得花钱支持,VC也很重视,有硅谷的成熟商业模式,又背靠全球最大的移动通信和消费电子市场。但事实很悲哀,远在整个经济的冬天到来之前,这个产业就处在集体委靡之中。不断有公司倒闭的消息,仅有的三家海外上市公司,有两家——中星微(Nasdaq:VIMC)和展讯(Nasdaq:SPR

bulreed的专栏 810

[Python] 如何使用 Python 调用 Dify 工作流服务实现自动化翻译

本文介绍了如何使用Python调用Dify的API实现文本翻译自动化。Dify作为AI开发平台,其工作流功能可执行文本处理、翻译等任务。选择Python调用Dify的优势在于职责划分清晰:Dify专注AI服务,Python处理文件操作等非AI任务。

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 1097

给海归技术创业兄弟的九个忠告(转载)

很长一段时间,我对国内 IC 设计产业的困境感到迷惑不解。 在这个产业里,聚集了中国最聪明的头脑(其中绝大多数是海归精英)。政府很舍得花钱支持,VC 也很重视,有硅谷的成熟商业模式,又背靠全球最大的移动通信和消费电子市场。 但事实很悲哀,远在整个经济的冬天到来之前,这个产业就处在集体委靡之中。不断有公司倒闭的消息,仅有的三家海外上市公司,有两家——中星微(Nasdaq : VIMC )和

li_qcxy的专栏 1089

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

求助:学习 -- C++ -- VC++,windows编程各阶段需要看哪些书

小生是个新手,想学习windows下的程序开发。 从各位老鸟的经验来看,学习“w编程”似乎应该遵循这样一条路子:c,c++,VC++ 请教各位编程前辈,在各个学习阶段看哪些教材比较好,请推荐一些,最好是新版的,因为以前的一些书比较难买到。谢谢! 注:众位大虾最好按这样的格式回答: C语言:某某书;并做一点简单介绍,如内容,适合哪阶段学习等 C++...

weixin_33860147的博客 121

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")

虚电路

虚电路 Virtual Circuit 虚电路是在分组交换散列网络上的两个或多个端点站点间的链路。它为两个端点间提供临时或专用面向连接的会话。它的固有特点是,有一条通过多路径网络的预定路径。提前定义好一条路径,可以改进性能,并且消除了帧和分组对头的需求,从而增加了吞吐率。从技术上看,可以通过分组交换网络的物理路径进行改变,以避免拥挤和失效线路,但是两个端系统要保持一条连接...

weixin_34214500的博客 386

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

160个CrackMe破解思路合集

  转载自看雪: 链接:https://bbs.pediy.com/thread-214024.htm [原创]160个CrackMe破解思路合集 liuwan 2016-11-17 12:09  9177  举报 适合破解新手的160个crackme下载地址:http://pan.baidu.com/s/1o7Wrg3w   大学毕业后感觉学的知识不够,不足以踏入社会,所以选择到...

iqiqiya的博客 2477

创业成功:产业机会+时机+团队执行力+资本加入做乘法

2-08-02 10:39   没有评论    很多业内人士应该都知道晨兴的刘芹,一个非常低调的投资人,投资过许多成功项目,包括搜狐、携程、九城、聚众传媒、迅雷、多玩YY、UC、小米科技、凤凰网。他在微博上说了这么一段话:创业成 功真是小概率事件,1.产业机会与时机要对,还要够大,2.团队执行力只有更强,没有最强,3.资本愿意加入,还知道怎么做乘法,而不是就减法。三个叠加如能共振,成

雷锋网 3066

零基础学大数据编程需要哪些基础?

零基础学大数据编程需要哪些基础?程序员薪酬高、工作环境好,是很多同学向往的职业,让很多非计算机专业的同学羡慕不已。非计算机专业难道就不能成为程序员了吗? 一、零基础学大数据编程需要基础: 1、数学基础 ...

231

校园路的伤感

今天心里其实很不开心,也许是因为俱乐部的一些事情.突然觉得很伤感,一个主题,为什么会这么难把握?一辈子,用心做的事情不太多,也许就那么几件.其中也许校园路是其中一件.我用我一个多月的付出,和俱乐部的兄弟姐妹们打造一个精品活动,说得近点,是向DEXI致敬,说的远点,是向CYT等参加趋势获第一的五个人致敬,说得更远一点,是向CS致敬. 我一直为我是一个CS人而感到自豪,生...

weixin_30404405的博客 94

了解一些常用的牛逼编译器(不限制编程语言, 不限制平台)

MSVC Windows平台上最常用的编译器,在C++编译器圣战中的胜利者,一个常被人诟病的是对标准的支持不够新不够快(最近开始逐步加快了)。随着微软发布基于Clang/ C2,这一条路以后若成功,MSVC与Clang / C2并行,甚至逐步逐步退出舞台,都是有可能的事情。 Clang licence极度友好,代码质量非常棒,采用的IR为LLVM IR非常优秀...

weixin_33915554的博客 224

计算机网络-网络层(0)网络层综述

网络层核心功能: 转发(forwarding):将分组从路由器的输入端口转移到合适的输出端口 路由(routing):通过路由算法确定分组从源到目的经过的路径 某些网络还有要进行连接建立:数据分组传输之前两端主机需要首先建立虚拟连接 网络层连接: 两个主机之间(路径上的路由器等网络设备参与其中) 传输层连接: 两个应用进程之间(对中间网络设备透明...

204

《软件测试》课堂笔记04

白盒测试:又称结构测试,它一般用来测试程序的内部结构(Control Flow , Data Flow)。并判定其  结果是否与预期的结果一致。 百合测试的种类:静态分析测试(Static Analysis Test,Code Inspection)、语句分支覆盖测试  (Ctrl Flow Test)等。 一. 控制流测试: 1. 基本概念: 有向图与流程图: 2. 控...

dayujun6757的博客 333

计算机网络教程第五版|微课版 - 第四章 网络层 - 重点概念【补充】

第四章、网络层【补充】 本章的重要概念 网络层有两大核心功能,即分组转发和路由选择。分组转发就是路由器根据转发表将接受到的分组从某个接口转发出去;而路由选择是网络层决定分组转发路径的过程,并最终生成提供分组转发的转发表。 在网络层提供面向连接服务的计算机网络被称为虚电路网络,而在网络层提供无连接服务的计算机网络被称为数据报网络,但这两种网络都采用的是分组交换。 一条虚电路由一下组成:源和目的主...

Enderman_xiaohei的博客 2402
下一篇: [转载]Wininet api函数列表
csdboy
博客等级 码龄25年 0粉丝 19原创
评论 1
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