前人总结的一些软件开发规范

软件开发流程规范介绍 先了解一下软件开发流程概念 作用:了规范互联网软件产品开发项目管理过程,指导开展项目研发、管理等活动,缩短开发周期,提高软件开发质量,降低开发成本,提高开发效率和效益,制定软件开发流程管理规范。 下图所示的是一个软件产品开发大体上所需要经历的全部流程和各个重要环节需要提交的交付物: 下面进行每个流程的具体介绍 1、项目立项 分析人员进行应用调查与分析,确认软件的应用需求。 成立项目评审会,开发总监、部门经理和指定人员必须参加。对项目进行可行性研究,编写项目建议书,评估项目的难度和工作量,形成. 阅读详情

为了提高软件开发质量,降低开发周期,增强代码的可重用性和易读性,使软件便于维护,开发人员间便于交流和协作,特总结出开发规范,以为参考。 

一. 原则: 

1. 软件工程化 
2. 模块化 
3. 能简单不复杂 
4. 强调团队协作 
5. 强调创新和特色 

二. 具体规范: 

1. 命名规范 
命名应尽量使用匈牙利命名法,变量名或函数名中使用大写字符来区分各个部分,以便于记忆和阅读。如bPatchMinute, DeleteDirInfo()。全局(包括类中的)变量用长名字,局部变量用短名字。 
类成员变量前一般应加上m_,全局变量加上g_,仅与本模块有关的变量加上l_,紧接着是变量的类型。 
整型: n,i 
长整型: l 
无符号整型: u 
无符号长整型:dw 
字符: ch 
布尔量: b 
浮点数: f 
双精度浮点: d 
字符串: str,lpsz,sz,p,lp,ac, 
指针: p 
字节指针: pb 
无符号指针: pv 
字符指针: lpsz 
整型指针: lpn 
文件指针: fp 
如: 
m_nTotalNum,m_strPath,m_bRcving,m_fPrice,g_lOpenDate,g_dwCardNo,lpszNameStr, lpnSysDoomType,uMsgID,m_pProgress 

局部变量应尽量易懂简洁,使用常见的变量,如 
Num,nCount,i,j,k,n,len,pos, offset,nReadNum,index,nRet,ret, string,filename 
临时变量,如ltmp,ftmp,tmpStr,tempStr, 

函数命名也应该见名知意。如CalcAllDataStyle(),ReadDocDataFromTime(),GetIndexInfo() 
常见的函数 
Init, OpenAll, Create_, Get_, Set_, Read_, Load_, Write_, Start_, Stop_, Check_, Test_, Fill_, Process_, Sort_, Do_, Select_, Is_, Exist_,_Ex。 

宏命名和typedef定义类型应详细,避免重复,一律为大写,如 

#define DEL_EMPTY(a) {if (a) {delete a;a=NULL;}} 
#define SUCCESS 0 
#define FAIL -1 

typedef struct 
{ 
char lpzSource[100]; 
char lpzTitle[100]; 
char lpzURL[194]; 
short nType; 
long npos; 
long nlen; 
}ATTBODY,*LPATTBODY; (指针前加LP) 

自定义消息从WM_USER开始 
#define MYAPP_MESSAGE WM_USER+0x1001 

2. 代码规范 
有些不易理解的变量或函数应作注释,难懂的代码要有注解,在文件的开始处有该文件的用途描述。一定要保持注释的一致性。 

代码组织要清晰,{,},(,),if,else,do,while,for,case等要对应整齐,少用空格,缩进全部用Tab键。变量的定义要集中,函数间要有空行分开,一个程序中的空行数目最好占8%-16%。多态函数和功能相近的函数集中放在一起。 

代码应该简洁、清楚并讲述了所发生的一切,我们的目标应该是写出最清晰的代码,而不是最巧妙的代码。例如如果是MFC多文档程序,就要严格按照其生成的框架写代码。尽量使用编译器已经提供的函数,不必花时间另行编写。例如系统已经有qsort函数,可直接拿来排序用。 

某些公用代码要注意多平台易移植,最好使用标准C。 

代码的重用要仔细,要将相关的代码也拷贝过来,注意那段代码也许不适合你的应用场合。 

删掉从来没有用过的函数或变量,大篇幅注释掉的代码行也应删除,以免使程序混乱难读。 

3. 工程文件组织规范 
一个工程往往包含很多很多文件(*.h,*.cpp,*.inc,*.lib,资源文件等),向工程中加入文件或删除工程中的文件要慎重,避免把工程损坏。工程中不起作用的文件或类应删除,工程目录下的非工程文件也应该移走,保持工程的清洁,避免混淆难于管理。工程文件如果很多,应归类。 

在VC环境下,建议将常用的头文件全部放入stdafx.h中,而在每个cpp开始处嵌入stdafx.h。避免头文件的交叉引用,如果有严重的交叉引用,适当使用类的声明。 

将独立性比较强的模块抽出来,做成DLL,控件或COM组件,该模块可单独编写和测试,也增强了其可重用性。 

一个比较大的工程应留有一定的消息接口或插件接口等。 

工程的版本控制要严格,版本格式为xx.xx.xx,必要时使用Build次数或日期。高版本尽量兼容低版本的用法、数据或协议。 

工程的编译宏定义和工程参数设置应正确,每作一个新工程时应检查工程参数是否正确。 
建议字节对齐方式为1字节对齐。 

工程文件应经常备份,备份时注明备份日期和主要增加的功能。 

4. 类组织规范 
类一般有两个文件,一个头文件,一个实现体CPP。 

类力求封装好,严格区分public,private,protect等作用域,如果一个函数与本类有莫大的关系,可以作为该类的静态成员函数,不用或少用友元函数等破坏类封装性的方法和技巧。 如果一些结构或宏仅与本类有关,可在类头文件中定义。 

类的成员变量在构造函数或初始化函数中应赋初值。指针在构造函数中赋NULL,析构时DEL_EMPTY它,以免内存泄露。 

5. 用户界面规范 
有四大类型的用户界面:对话框、单文档界面、多文档界面、其它界面 

对话框要易用且简洁,字体和控件的组织搭配要得体,能简单不复杂,各控件的焦点、Tab顺序等要讲究,视应用场合要适当支持键盘。在简洁易用的前提下,力求个性化,设计得更加友好。程序各对话框的风格要保持一致。 

单文档和多文档界面的程序功能可以做得很强,也便于扩充和管理。其中菜单、工具栏、状态栏等设计要有特色。菜单按一定的分类弹出,必要时设计成多套菜单,在重要的窗口或区域应能弹出右键,实现常见操作。工具栏上放最常用的操作按钮,必要时动态更换按钮。状态栏显示足够多的有用信息。 
消息主控在Mainframe中,单文档的主控也可在View中,所有的对话框的弹出或非模态对话框的控制都在主控窗口中完成,具体的数据处理放在单独的文件中或设计成类。在App类中实现Ini读写,各数据对象的定义和析构,全局变量的赋值和初始计算,存盘退出等。各视图的OnDraw和GDI画图尽量使用内存位图的方式,以免闪烁。 

其它还有ATL,控制台,嵌入式程序界面等,也有作为其它容器如IE中的插件等,此类程序可能不用MFC,而采用COM组件等方法实现。 

6. 疑难解答和Bug调试方法 
勤问、善于问。在不打扰正常工作的前提下,开发人员间应相互帮助,聚思广益,也许你的问题或Bug就是他人的前车之鉴。 

从各种途径请求解答。专业书、教材、期刊、电子文档以及国际标准文献、RFC等,Internet上专业网站、论坛、专家组等。 

Bug的出现总是有一定的原因的,冷静查找,不要总是拘泥于某一个小局部,换一个想法、从另外一个角度也许让你柳暗花明。使用一些辅助开发或调试工具,如Spy++,Process Viewer,系统监视器等。 

拓宽知识面。多参阅其它编程语言、数据库知识、编译原理、网络协议等,熟悉硬件设备、底层汇编、数字逻辑电路等。使用和揣摩其它软件功能和界面,集百家之长,做出有创新意义和有特色的功能性软件。 

三. 一些习惯: 

我认为比较好的习惯: 

1.if(0 == GetDataType(…))比if(GetDataType(…) == 0) 好,纵使误将==写成=,在编译一层就会报错。 
2. 
#define MAX_DOWNLOADNUM 20 
struct DownInfo m_DownInfo[MAX_DOWNLOADNUM]; 
在代码中尽量不用具体的大小数值,定义成宏,便于以后维护。 
3. 
CUSTXG_CONTABLE g_lpCustCon[] = 
{ 
{"数值串1",C_ZGB,C_CUSTJBM,C_VT_FBJ,"万"}, 
{"数值串2",C_ZSZ,C_CUSTJBM,C_VT_FBJ,"万"}, 
… 
{"数值比例",C_WTB,C_CUSTHQ,C_VT_FBJ,"%"} 
}; 
int g_nCustNum = sizeof(g_lpCustCon)/sizeof(CUSTXG_CONTABLE); 
g_ nCustNum自动适应g_lpCustCon的大小。 
4. 
函数定义short GetInputType( const char * lpzInput)比short GetInputType (char * lpzInput)好,以免lpzInput在函数体中被破坏。 
5. 
协议包头定义成: 
typedef struct tagDataHeader 
{ 
struct{ 
unsigned char Version:4; 
unsigned char HeaderFlag:2; 
unsigned char Reserved:2;//保留Bits位 
}Info; 
long nOther; 
long Reserved; //保留4个字节 
} DATAHEADER; 
定义有一定的保留字段,供以后扩充使用。 
6. 
变量在定义时赋初值,类析构时或程序退出时判断释放所有变量。 
7. 
编码空间一定要充分预留,编码时注意可扩充性。 

我认为不好的习惯: 

1. 代码中是"+2","+4",而不是"+sizeof(short)","+sizeof(int)"。 
2. filename[40],而不是filename[MAX_PATH]。 
3. GDI资源使用完后不释放,位图、笔刷等用完后不Select出来。这样会将导致系统Gdi资源丢失或内存泄露。 
4. 大量使用无符号型变量。无符号变量在判断时易造成错误,甚至死循环,尽量少用。 
5. 使用malloc,free不使用new,delete,大量使用realloc。new,delete是规范的C++语法,通用性强,realloc易造成内存抖动。 
6. #define square(x) (x)*(x) 
宏的体应加括号,否则容易出问题,如1/square(x)将被替换1/(x)*(x)  

软件开发的经验建议15篇 该书详细介绍了各个从事软件开发的专业人员的真实经验及感受,看过的朋友相信一定会受益匪浅。 立即下载

相关推荐

告别第三方应用!用Android原生API搭建Miracast投屏接收器

本文深入探讨如何利用Android原生API开发Miracast接收器,绕过第三方依赖,实现高效的屏幕共享。通过Wi-Fi P2P直连、反射调用隐藏API和RTSP会话协商等核心技术,为开发者提供了一套完整的Miracast接收端解决方案,适用于多屏协同场景。

weixin_29174141的博客 411

软件开发中总结经验笔记

作为开发专业软件的人员,一些软件中有一些是在非常严格的环境下使用的,安全性和可靠性是最重要的。那么如何才能做好这三点,基于对多位多年工作经验的软件设计师的交流,总结了一系列实用的经验教训。攻击甚至贬低别人的代码并不会让你成为一名更好的程序员,也不会提升你的资历。下载那个该死的软件包,应用到你的程序中,这不会让你后悔。在进行软件开发的过程中,你将要解决的业务问题,或者将要开发的业务应用,都是必须牢记的。编写容易测试的代码。当你陷入困境,或者需要快速学习一些东西的时候,偶尔有一些教程是很好的,快速通读它们。

GJZGRB的博客 297

数学建模国赛B题保姆级攻略:从选题到代码实现的完整流程(2024最新版)

本文提供2024年数学建模国赛B题的保姆级实战攻略,涵盖从赛题解构、模型构建到算法实现与论文撰写的完整流程。文章详细解析了如何快速抓住问题核心、建立数学模型、进行算法求解与结果可视化,并分享了高效团队协作与专业论文写作的关键技巧,助力参赛者系统性地完成从选题到代码实现的全过程。

weixin_29089057的博客 145

软件研发流程规范统一方案

软件研发流程规范统一方案

sre救赎之路 1377

Windows 2000系统下载与全套镜像安装:从镜像校验到驱动兼容性实战指南

操作系统镜像文件是安装系统的核心载体,其完整性直接影响部署成败。哈希校验作为验证文件一致性的基础手段,能有效避免因镜像损坏导致的安装中断。对于已停止支持的操作系统,如Windows 2000,其镜像获取与安装更具挑战性,但它在工业控制、专用终端及怀旧技术研究中仍有不可替代的价值。通过理解镜像命名规则、服务包等级(如SP4)及引导方式,结合虚拟机或老硬件平台,可以顺利完成部署。同时,驱动兼容性是老系统运行的关键瓶颈,需针对性解决网卡、显卡等外设驱动问题。本文从镜像下载、校验到安装配置,系统梳理了Windows

weixin_32050773的博客 350

STM32 ADC+DMA实战:手把手教你驱动XGZP6847A压力传感器(附完整代码)

本文详细介绍了如何使用STM32的ADC和DMA外设驱动XGZP6847A压力传感器,包括硬件连接、ADC配置、DMA高效传输实现以及数据处理与校准方法。通过实战案例和完整代码,帮助开发者快速掌握高精度压力数据采集技术,适用于工业控制和医疗设备等领域。

weixin_42570484的博客 406

软件开发规范(一)

http://www.itbookreview.net/itbookreview/view_paper.asp?paper_id=20我总结的一些软件开发规范  作者 allfresh 原作者姓名 allfresh文章原始出处 http://www.allfresh.net/ 正文为了提高软件开发质量,降低开发周期,增强代码的可重用性和易读性,使软件便于维护,开发人员间便于交流和协作,特总结出开发

hahahouhou的专栏 1103

20、基于图神经网络的脱氢焓预测方法研究

本文研究了基于图神经网络(GNN)的液态有机氢载体(LOHC)材料脱氢焓预测方法。通过分析现有GNN方法的局限性,提出了一种新的聚合自节点表示(AWS)方法,并结合丰富的原子特征和集成学习策略,显著提高了预测性能。实验结果表明,AWS在脱氢焓预测和多个基准化学性质预测任务中均优于现有GNN方法。此外,基于分子结构的集成方法进一步提升了模型的鲁棒性和准确性。研究展示了该方法在筛选LOHC材料中的潜力,并为未来预测更多化学性质奠定了基础。

pp12345的博客 104

15年软件开发经验总结

【优快云 编者按】获得成功必然是一个不断学习成长的过程。在这个过程中,来自别人的指导意见以及经验之谈会给予我们一些启发和提示,从而避免许多不必要的弯路。择其善者而从之,其不善者而改之。 声明:本文仅代表作者观点 作者 | Kesk-*-译者 |苏本如 出品 | 优快云(ID:优快云news) 在从事软件开发工作的15年中,我经历了许多不同的阶段。在某些时候,我恨不得把所有的软件开发工作都丢进地狱,宁愿跑到深山老林里去喂牛。而在其他时候,软件开发工作的一切对我来说是那么的完美。今天,我终...

Qsir的专栏 1235

YOLOv8 交通违规检测各个场景的实际应用

本文介绍了基于YOLOv8的交通违规检测系统在不同场景下的应用实现。系统可检测闯红灯、超速、违停和不系安全带等多种违规行为,针对每种场景提供了具体的技术方案和Python实现代码。其中闯红灯检测结合信号灯状态分析,超速检测通过距离时间计算速度,违停检测采用长时间跟踪策略,安全带检测则需更高精度识别。文章还展示了如何整合各功能构建综合交通监管系统,并总结了不同应用场景的技术要点和优化方向,为智能交通管理提供了实用解决方案。

u010117029的博客 301

RTX6000 PRO BLACKWELL 最优 CUDA 版本选择指南(适配 vLLM/SGLang 大模型推理)

本文针对NVIDIA Blackwell架构RTX6000PRO显卡部署vLLM/SGLang大模型推理引擎时的CUDA版本选择问题,提出专业建议。分析表明,CUDA12.9(需搭配552.06+驱动)是最优选择,因其完全支持BW架构特性,且与vLLM/SGLang最新版本深度适配。文章提供详细的Linux环境部署教程,包括驱动升级、CUDA12.9安装及vLLM/SGLang配置步骤,并指出CUDA13.0目前适配不完善,不推荐新手使用。最后给出常见问题解决方案,强调版本匹配对推理性能和稳定性的重要性。

2501_93651177的博客 682

软件开发编码规范(C++)前人总结

<br />一. 原则: <br /><br />1. 软件工程化 <br />2. 模块化 <br />3. 能简单不复杂 <br />4. 强调团队协作 <br />5. 强调创新和特色 <br /><br />二. 具体规范: <br /><br />1. 命名规范 <br />命名应尽量使用匈牙利命名法,变量名或函数名中使用大写字符来区分各个部分,以便于记忆和阅读。如bPatchMinute, DeleteDirInfo()。全局(包括类中的)变量用长名字,局部变量用短名字。 <br />类成员变量

weibojishu1984的专栏 630

手把手教你安装 OpenClaw 小龙虾(MAC安装教程),一次成功不踩坑

本文详细介绍了在Mac上安装OpenClaw的完整流程。主要内容包括:1)准备工作(磁盘空间、网络环境、终端工具);2)安装Homebrew包管理器及常见问题解决;3)安装Node.js 22+版本(环境核心);4)Git安装与验证;5)OpenClaw项目克隆、依赖安装及运行配置;6)大模型配置方法(以MiniMax为例)。文章提供了详细的命令行操作步骤和常见错误解决方案,特别强调了网络环境要求和Apple Silicon芯片的原生支持注意事项。最后展示了验证配置成功的方法和资源获取渠道。

Chengbei11的博客 6348

2021-03-26

软件工程方法论对我们进行软件开发有多大用处?谈谈你的看法? 软件工程方法论是指在软件开发的过程中必须遵循的普遍行为和规则。当我们开发软件的时候就需要用到软件工程方法论。使用软件工程方法论首先从对任务的抽象逻辑分析开始,一个阶段一个阶段地进行开发。前一个阶段任务的完成是开始进行后一个阶段工作的前提和基础而后一阶段任务的完成通常是前一阶段提出的解法更进一步具体化,加进了更多的物理细节。软件工程方法论为每一个阶段都设置了严格的标准,让软件在开发的过程中减少了许多错误的地方。同时软件工程方法论系统地研究了开发方.

HUANG_JINGAN的博客 127

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")

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

没有规范,又何谈软件开发?

前些天参与测试一个项目,测试的前几次总是会出现一些这样那样的问题,但主要的问题是出在多用户同时登录时就会出现崩溃。对于程序员来说,测试是最基本的事情,但如果用户要求你在很短的时间内完成时,最有效的查错就是浏览代码的注释,这样能很快的查出问题的所在。       那么,规范是什么?为什么要进行规范呢?       规范是一种制度、一种约定,是软件开发者之间、人机交互等相互交流的一种共同的约定。

紫羽风的博客 1333

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

对设计模式的理解

我个人对设计模式的一点理解

十二哥的专栏 671

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

读《构建之法》有感

这本书一开始讲述了软件工程的发展史,从开始到应用,所经历的过各种变化,让我们对这专业有更好的了解。强调要懂得团体的力量,合作取得双赢,这样才能大幅度提高软件开发的效率。此书还讲述了,要成为更好的软件开发人员,我们要不断积累软件开发相关知识,提升自己的技能技术,积累问题领域的知识和经验,对通用的软件设计思想和软件工程的了解,要有自己的看法,这样才能站在前人的肩膀上并有所突破。在...

angren9495的博客 132

学会利用别人的成果

最初到单位实习的时候,我总喜欢自己动手写所有的代码,别人写的可通用的模块我不喜欢用,因为我觉得别人的总是别人的,自己用的时候总感觉不爽,而且一旦需要修改、需要分析的时候,就需要花大量的时间去看代码(ps,可能是单位同事写的确实不规范,文档也不全,反正我当初就是这么觉得)。我倒是非常乐意自己全部重新写。但是实习了一个月后,我终于发现,学会利用别人的成果实在是太重要了...

diecan0180的博客 288

百度某员工抱怨:前人代码写得像坨*,颠覆了对大厂的认知

来源:网络一位百度新员工刚入职一周,看了前人的代码,估计没有压住内心的那一团烈火,直接在脉脉开喷...在脉脉上发这种帖子,很显然,要么被顶,要么被别人喷。支持者表示,这坨**是一样...

程序员之家 329

软件开发编码规范文档_Part2·前端工程化实战 - 规范化标准

7.1规范化标准概述规范化是我们践行前端工程化中重要的一部分为什么要有规范会标准?软件开发需要多人协同不同开发者具有不同的编码习惯和喜好不同的喜好会增加项目的维护成本每个项目或者团队需要明确统一的标准哪里需要规范化标准?代码、文档、甚至是提交日志开发过程中人为编写的成果物代码标准化规范最为重要实施规范化的方法:编码前人为的标准约定 通过工具实现 Lint常见的规范化实现方式:ESLint 工具使用...

weixin_39762856的博客 187

前人挖坑,后人填坑

写代码不免出点 bug,没有人可以保证自己写的代码不出问题,而那些没有被挖掘出来的 bug,便成了后来者哭笑不得的坑... 这段时间公司全面 https 改造,涉及到域名的迁移,域名的迁移不是 nginx 做个映射就完事儿了,还有各种代码的去 schema,各种组件的搬迁,算是一个大手术!我看最近百度主站也升级到了 https,期间应该出过一次问题吧,貌似回滚了一次,他们遇到的坑应该还不算多,只...

weixin_34187822的博客 197

前端工程化-规范化篇

前言 这一篇文章主要是关于前端规范化的内容,前端规范化是我们践行前端工程化过程中的重要的组成部分 有利于项目维护,以及二次开发,减低维护成本,便于后续人员接手 为什么要有规范化 1、软件开发需要多人协同 2、不同的开发者具有不同的编码习惯和喜好 3、不同的喜好增加项目维护成本 4、每个项目或者团队需要统一的标准 哪些地方需要规范化 1、代码、文档、甚至是日志 2、开发过程中人为编写的成果 3、代码的标准化规范最为重要,因为代码的规范决定了项目的质量和可维护度, 实施规范化的方法 1、编码.

往事不回头,余生不将就 1万+

软件工程方法论对我们经软件开发有多大用处?谈谈你的看法

软件工程方法论指的是,在软件开发的过程中,必须遵循的普遍行为和规则。它就像是程序员进行开发的法典。小到个人的发展,大到企业的管理。都离不开软件工程的方法论。它对于我们每一个人的代码规范有很重要的作用,同样对于企业的管理也是不可或缺的。 软件工程方法论包含前人开发软件的经验,掌握方法,能够少走弯路、错路,能够指导我们更好地、高效地开发软件。因此我们在使用软件工程方法论时可以让我们掌握最完善的方法,避免不必要的错误,高效、便捷地开发我们需要的软件。 ...

weixin_53828825的博客 172
上一篇: VC文件操作
下一篇: GetCurrentDirectory获得当前目录
goingup
博客等级 码龄22年 52粉丝 158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