自定义的eclipse的快捷键

本文介绍如何在Eclipse中备份和恢复自定义的快捷键设置,包括通过直接复制特定文件和手动导出XML配置两种方法。
Workspace%/.metadata/.plugins/org.eclipse.core.runtime/.settings/org.eclipse.ui.workbench.prefs 打开这个文件,里面有如下一行:org.eclipse.ui.commands=
<?xml version\="1.0" encoding\="UTF-8"?>
<org.eclipse.ui.commands>...配置的快捷键</org.eclipse.ui.commands>
org.eclipse.ui.commands=后面的是 XML文件格式 的字符串数据就是我们定义过的所有快捷键!!把它保存起来,下次需要是在复制粘贴就直接可以使用
方法1:文件直接拷贝;
方法2:方法1不行的话;打开文件org.eclipse.ui.workbench.prefs
org.eclipse.ui.commands=<?xml version\="1.0" encoding\="UTF-8"?>\r\n<org.eclipse.ui.commands>\r\n<keyBinding commandId\="org.eclipse.ui.edit.text.contentAssist.proposals" contextId\="org.eclipse.ui.contexts.dialogAndWindow" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="CTRL+SPACE"/>\r\n<keyBinding commandId\="org.eclipse.ui.edit.text.lowerCase" contextId\="org.eclipse.ui.textEditorScope" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="CTRL+SHIFT+Z"/>\r\n<keyBinding commandId\="org.eclipse.debug.ui.commands.ToggleBreakpoint" contextId\="org.eclipse.ui.contexts.window" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="F9"/>\r\n<keyBinding commandId\="org.eclipse.ui.navigate.openResource" contextId\="org.eclipse.ui.contexts.window" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="CTRL+G"/>\r\n<keyBinding commandId\="org.eclipse.ui.edit.text.folding.collapse_all" contextId\="org.eclipse.ui.textEditorScope" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="CTRL+M CTRL+O"/>\r\n<keyBinding commandId\="org.eclipse.ui.edit.text.folding.restore" contextId\="org.eclipse.ui.textEditorScope" keyConfigurationId\="org.eclipse.ui.defaultAcceleratorConfiguration" keySequence\="CTRL+M CTRL+L"/>\r\n</org.eclipse.ui.commands>
【这里是修改后的快捷键】
</org.eclipse.ui.commands>
以上除外;其他删除即可。
以上是自己追加快捷键后生成的对应设置:
Ctrl+Shift+*(是小键盘的“乘号”) 追加--> Ctrl+M+O 折叠代码
Ctrl+Shift+/(是小键盘的“除号”) 追加--> Ctrl+M+L 展开代码
Ctrl+Shift+Y 选中字符串小写化 追加--> Ctrl+shift+Z
Alt+/ 内容辅助 [提示你可以选择的函数名,类名] 追加--> Ctrl+"空格"
Ctrl+Shift+B Toggle Line Breakpoint 插入debug point 追加--> F9
Ctrl+Shift+R Open Resource 查找源程序 追加--> ctrl+G
[b]不过上面的文件似乎只有你修改过快捷键后方可生成[/b]
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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