利用.NET Framework类库中的Clipboard类,实现数据的复制(剪切)和粘贴

关于(WinCE系统).Net Framework 3.5平台通用复制和粘贴程序实现 由于最近的项目上线在即,引导客户如何使用系统,因此不得不特推迟段时间来写自己的笔记,目前项目中移动数据采集采用最流行的PDA工具进行采集,通常PDA内置winCE操作系统,采用开发语言当然就是MS的.NET框架,博主学习JavaEE开发,但由于项目需要必须学习C#(.NET)语言,这是博主首篇关于.NET平台的博客笔记,若当中有误导大家请及时提出方便博主修正,其实学会Java语言再学习C#语言完全 阅读详情
 "复制"操作的代码

    Private Sub copyToolStripMenuItem11_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MenuItem11.Click
        If txtEditor.SelectionLength > 0 Then
            Clipboard.SetDataObject(txtEditor.SelectedText)
        End If
    End Sub

"剪切"操作部分代码

    Private Sub cutToolStripMenuItem12_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MenuItem12.Click
        Clipboard.SetDataObject(txtEditor.SelectedText)
        txtEditor.SelectedText = ""
    End Sub

"粘贴"操作部分代码

    Private Sub pasteToolStripMenuItem13_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MenuItem13.Click
        Dim iData As IDataObject = Clipboard.GetDataObject()
        If iData.GetDataPresent(DataFormats.Text) Then
            txtEditor.SelectedText = CType(iData.GetData(DataFormats.Text), String)
        End If
    End Sub

注意:txtEditor是文本框TextBox类型

Clipboard.SetDataObject 方法:将数据放置到系统剪贴板上。
重载列表[Visual Basic]

Overloads Public Shared Sub SetDataObject(Object)将非持久性数据放置到系统剪贴板上.

Overloads Public Shared Sub SetDataObject(Object, Boolean)将数据放置在系统剪贴板上,并指定在应用程序退出后是否将数据保留在剪贴板上。调用 SetDataObject 将数据放置在剪贴板上。若要将数据的一份持久性副本放置在剪贴板上,可将 copy 参数设置为 true。 

注意   将数据以多种格式放置在剪贴板上可最大限度地确保目标应用程序(您可能不知道它的格式要求)成功地检索数据。调用 GetDataObject 来从剪贴板检索数据。数据作为实现 IDataObject 接口的对象返回。使用IDataObject 指定的方法和 DataFormats 中的字段从该对象中提取数据。如果不知道检索到的数据的格式,可调用 IDataObject 接口的 GetFormats 方法以获取存储数据所用的所有格式的列表。然后调用 IDataObject 接口的 GetData 方法,并指定您的应用程序可使用的格式。

注意   所有 Windows 应用程序共享系统剪贴板,所以当切换到另一个应用程序时,剪贴板的内容可能会发生变化。

注意   类对于它必须是可序列化的才能放在剪贴板上。

示例

下面的方法在应用程序中运行。它将文本框中所选文本数据的持久性副本放置在系统剪贴板上。此代码假定 button1、textBox1 和 textBox2 已经创建并已经放置在窗体上。

button1_Click 方法调用 SetDataObject 来从文本框中提取选定的文本,然后将其放置到系统剪贴板上。

button2_Click 方法调用 GetDataObject 从系统剪贴板中检索数据。代码使用 IDataObject 和 DataFormats 提取返回的数据。数据显示在 textBox2 中。

Private Sub button1_Click(sender As Object, e As System.EventArgs)
    ' Takes the selected text from a text box and puts it on the clipboard.
    If textBox1.SelectedText <> "" Then
        Clipboard.SetDataObject(textBox1.SelectedText, True)
    Else
        textBox2.Text = "No text selected in textBox1"
    End If
End Sub 'button1_Click


在另一应用程序中,下面的方法从系统剪贴板检索文本,并将该文本粘贴到 textBox2 中。此代码假定button2 和textBox2 已经创建并已经放置在窗体上。

Private Sub button2_Click(sender As Object, e As System.EventArgs)
    ' Declares an IDataObject to hold the data returned from the clipboard.
    ' Retrieves the data from the clipboard.
    Dim iData As IDataObject = Clipboard.GetDataObject()
   
    ' Determines whether the data is in a format you can use.
    If iData.GetDataPresent(DataFormats.Text) Then
        ' Yes it is, so display it in a text box.
        textBox2.Text = CType(iData.GetData(DataFormats.Text), String)
    Else
        ' No it is not.
        textBox2.Text = "Could not retrieve data off the clipboard."
    End If
End Sub 'button2_Click

Clipboard.GetDataObject 方法:检索当前在系统剪贴板上的数据。

[Visual Basic]   Public Shared Function GetDataObject() AsIDataObject
返回值:IDataObject(表示当前在剪贴板上的数据)或者空引用(Visual Basic 中为Nothing)(如果剪贴板上没有数据)。

备注:因为从剪贴板返回的对象的数据类型可以不同,所以此方法返回 IDataObject 中的数据。然后,可以使用IDataObject 接口的方法以正确的数据类型提取数据。

IDataObject 接口:为传送数据提供与格式无关的机制。

[Visual Basic]
<ComVisible(True)>
Public Interface IDataObject
interface IDataObject

实现 IDataObject 的类是DataObject类.DataObject类能够实现基数据传输机制.

备注:IDataObject 接口由Clipboard 类在拖放操作中使用。

当在类中实现之后,IDataObject 方法允许用户在该类的实例中以多种格式存储数据。以多种格式存储数据提高了目标应用程序(您可能不知道它的格式要求)检索存储数据的机会。要在IDataObject 的实例中存储数据,请调用SetData 方法,并在format 参数中指定数据格式。如果您不希望存储数据在检索时被转换成另一种格式,请将autoConvert 参数设置为false。在IDataObject 的一个实例中多次调用SetData,从而以多种格式存储数据。

通过调用 GetData 方法并在format 参数中指定数据格式,可从IDataObject 中检索存储的数据。将autoConvert 参数设置为false,从而只检索以指定格式存储的数据。要将存储的数据转换成指定的格式,请将autoConvert 设置成true,否则不要使用autoConvert。

若要确定存储在 IDataObject 中的数据的格式,请使用下面的IDataObject 方法。

1>通过调用 GetFormats 方法可以检索所有用于提供数据的格式构成的数组。将autoConvert 参数设置为false,从而只获取存储数据的格式。要获取数据可用的所有格式,请将autoConvert 设置为true,或不使用该参数。

2>调用 GetDataPresent 方法来确定某种格式的已存储数据是否可用。如果不希望存储数据被转换成指定格式,请将autoConvert 参数设置为false。

有关此接口的实现,请参见 DataObject 类。有关预定义Clipboard 数据格式的信息,请参见DataFormats 类。

IDataObject 成员
   
公共方法GetData已重载。检索与指定的数据格式关联的数据。
公共方法GetDataPresent已重载。确定此实例中存储的数据是否与指定的格式关联。
公共方法GetFormats已重载。返回存储在此实例中的数据所关联的或可以转换为的所有格式的列表。
公共方法SetData
DataFormats 类

提供静态的(在 Visual Basic 中是 Shared)、预定义的Clipboard 格式名称。使用它们来标识存储在IDataObject 中的数据的格式。

有关此类型所有成员的列表,请参阅 DataFormats 成员。

System.Object
   System.Windows.Forms.DataFormats

[Visual Basic]
Public Class DataFormats

线程安全:此类型的所有公共静态(Visual Basic 中为 Shared)成员是线程安全的。但不保证任何实例成员是线程安全的。

备注:IDataObject 和DataObject 类也使用静态的(在 Visual Basic 中是Shared)格式列表来确定从系统Clipboard 中检索到的数据类型,或在拖放操作中转换的数据类型。

GetFormat 方法使您可以:

1>为某个格式名或 ID 号获取预定义的 DataFormats.Format 对象。

2>向该类的静态(在 Visual Basic 中是 Shared)列表中添加新的格式名/ID 号对,并在向该格式传递格式名时使用 Windows 注册表将该格式注册为Clipboard 格式。可以从DataFormats.Format 实例的相应字段中获取id 号或格式name。

示例

下面的示例创建一个名为 myFormat 的新数据格式。然后,这段代码创建一个MyNewObject,并将它存储在DataObject 中。将DataObject 复制到Clipboard。

然后,将从 Clipboard 检索DataObject 并将恢复MyNewObject。MyNewObject 的值显示在文本框中。这段代码假定已创建textBox1 并已将其放置在窗体上。

[Visual Basic]
Option Explicit
Option Strict

Imports System
Imports System.Windows.Forms

Public Class MyClass1
    Inherits Form
    Private textBox1 As TextBox

    Public Sub MyClipboardMethod()
        ' Creates a new data format.
        Dim myFormat As DataFormats.Format = _
            DataFormats.GetFormat("myFormat")
       
        ' Creates a new object and store it in a DataObject using myFormat
        ' as the type of format.
        Dim myObject As New MyNewObject()
        Dim myDataObject As New DataObject(myFormat.Name, myObject)
       
        ' Copies myObject into the clipboard.
        Clipboard.SetDataObject(myDataObject)
       
        ' Performs some processing steps.
        ' Retrieves the data from the clipboard.
        Dim myRetrievedObject As IDataObject = Clipboard.GetDataObject()
       
        ' Converts the IDataObject type to MyNewObject type.
        Dim myDereferencedObject As MyNewObject = _
            CType(myRetrievedObject.GetData(myFormat.Name), MyNewObject)
       
        ' Print the value of the Object in a textBox.
        textBox1.Text = myDereferencedObject.MyObjectValue
    End Sub 'MyClipboardMethod
End Class 'MyClass


' Creates a new type.
<Serializable()> Public Class MyNewObject
    Inherits Object
    Private myValue As String
   
   
    ' Creates a default constructor for the class.
    Public Sub New()
        myValue = "This is the value of the class"
    End Sub 'New
   
    ' Creates a property to retrieve or set the value.
   
    Public Property MyObjectValue() As String
        Get
            Return myValue
        End Get
        Set
            myValue = value
        End Set
    End Property
End Class 'MyNewObject

  
C#实现屏幕截图功能与剪切板集成指南 屏幕截图的基本原理是通过编程获取屏幕上每个像素的颜色信息,然后将这些颜色信息按顺序排列保存成图像文件格式。实际上,大多数操作系统都提供了API来实现这一功能。在Windows系统中,GDI+库就提供了这样的功能。剪切板支持基本的剪切、复制和粘贴操作,这些操作可以用于文本、图像和其他数据类型。在图形用户界面中,复制和粘贴功能极大地提高了用户操作的效率,无需重新输入即可快速分享信息。它之所以重要,是因为它提供了一个统一的数据交换机制,使得各种类型的数据可以在不同的软件应用程序之间流动。 阅读详情

相关推荐

VB2008剪贴板操作实战指南

在某些情况下,开发者可能需要使用一个自定义的剪贴板来代替系统剪贴板,以便在不同的应用程序间传递数据。这需要我们深入了解剪贴板的工作机制以及.NET框架提供的接口,然后根据需求编写相应的代码逻辑。代码块、mermaid格式流程图、表格和具体的实现步骤在上文已经给出,例如在剪贴板操作中,放置文本到剪贴板使用方法,并通过方法检索剪贴板中的文本内容。对于异常处理,则可以使用try-catch结构。每个代码块后面都附有逻辑分析和参数说明,确保连贯性和可操作性。

weixin_31776191的博客 925

.NET(C#) Clipboard剪贴板内容(文本和Html)提取和替换方法及示例代码

本文主要介绍.NET(C#) 中,通过Clipboard读取剪贴板内容,以及为剪贴板赋值来替换剪贴板中内容,包括文本和Html的复制和粘贴的方法及示例代码。 原文地址:.NET(C#) Clipboard剪贴板内容(文本和Html)提取和替换方法及示例代码 ...

亮亮的专栏 803

完整指南:从基础到高级使用 Semantic Kernel

通过本文的学习,你已经掌握了从基础到高级的使用方法。安装并配置。使用简单的文本生成和自然语言处理任务。利用任务链和工具扩展构建复杂的工作流。通过记忆管理上下文,创建更智能的应用。扩展多模态处理能力,集成图像和音频分析。将应用部署到云端,并通过 Azure Functions 提供智能服务。无论是构建简单的对话应用,还是创建多模态智能服务,都提供了强大的工具和灵活的扩展机制。希望这篇文章能帮助你更好地理解并运用这个框架,构建出更加智能和高效的应用。

net core ,前端 ,python 全栈开发 2806

使用剪切板的方法

1.为剪切板设置数据,我们可以使用下面这个函数。Clipboard.SetDataObject(textBox1.Text,true);或者这样:DataObject m_data = new DataObject();                   m_data.SetData(DataFormats.Text,true,textBox1.Text);             

diandian82的专栏 2086

LatentSync:开源数字人唇形同步技术的实战部署与优化指南

本文详细介绍了开源数字人唇形同步工具LatentSync的实战部署与优化全流程。从核心原理(潜在扩散模型与TREPA技术)解析,到手把手完成环境搭建、模型获取及首次推理。文章深入探讨了自定义素材处理、关键参数调优(如guidance_scale),并提供了显存不足、人脸检测失败等常见问题的解决方案与性能优化技巧,旨在帮助用户高效部署并提升生成效果。

9o8p7i6u5y的博客 1008

Shader Graph入门

Shader Graph 简介

zaizai1007的博客 1万+

利用clipboard实现一键复制图片+文件

场景: 需要通过一键复制图片+文件,减少复制工作量,之前是复制图片与文件分开,这样就变成两次的操作步骤。 原理: 步骤: 1、引入clipboard插件和jquery &lt;script src="https://cdn.jsdelivr.net/npm/clipboard@2/dist/clipboard.min.js"&gt;&lt;/script&gt; &lt;script src="h...

tuzhenlong的博客 9496

可信数据空间关键技术和功能架构研究

可信数据空间(TDS)是实现数据安全共享的基础设施,通过数字合约和使用控制技术确保数据跨域流通的可信与安全。其架构包括服务平台和接入连接器,关键技术涵盖访问控制、隐私计算、区块链等。评估重点在于合规性、连接器能力、互联互通及安全体系。核心在于构建规则引擎而非简单数据汇聚,连接器开发比平台建设更重要。当前面临技术成本博弈、跨域身份互认等挑战,需平衡安全、性能与成本,推动数据要素市场发展。

逸尘的专栏 2223

Clipboard 通过按钮一键复制图片和文本

Clipboard 通过按钮一键复制图片和文本

猫老爹的博客 2628

物联网低功耗广域网NB-IoT开发(一):初识NB-IoT

(二)NB-IoT的关键特性: (三)NB-IoT的应用场景: 二、NB-IOT介绍

weixin_49763156的博客 853

基于 FPGA 的 CNN 卷积神经网络之池化层 Verilog 实现

池化层是卷积神经网络(CNN)中的关键组件,用于降低特征图的维度,减少计算量和防止过拟合。常见的池化操作包括最大池化和平均池化。FPGA 提供了高效的并行处理能力,可以加速这些操作。池化层在 CNN 中扮演重要角色,通过降低数据维度提升计算效率。在 FPGA 上实现池化层,可以充分利用硬件资源实现高效的并行计算,有助于提高实时应用中的推理速度。

走向CTO的路上... 1256

C# 复制,粘贴文本

复制操作://复制到剪切板            if (rtbText.SelectedText != "")                Clipboard.SetDataObject(rtbText.SelectedText);粘贴操作://从剪切板中读出字符串IData

kaihuababy的专栏 802

机器学习实战4-教育领域:学生成绩的可视化分析与成绩预测-详细分析

大家好,我是微学AI,今天给大家带来机器学习实战4-学生成绩的可视化分析与成绩预测,机器学习在教育中的应用具有很大的潜力,特别是在学生成绩的可视化分析与成绩预测方面。机器学习可以通过对学生的父母教育情况和学校表现等数据进行分析和挖掘,从而揭示潜在的学习模式和趋势。

微学AI的博客 7678

html5 剪切板,【Web前端问题】当你复制一个网页的时候,你的剪切板里是什么呢?...

不好意思,我也不知道这个问题去哪个栏目问,该在那个编程语言板块,我就都问问吧,总有懂的人!就是比如我复制一个网页的内容,其中有文本,也有图片,要是把他粘贴到一个*.txt里,他就粘贴出来是一个纯字符串;要是把他粘贴到一个word文档里,他就是包含html 标签和 css 样式的一段排好版的文字;要是把他粘贴到 QQ聊天窗口,就是 图片 + 字符串,我就不明白我剪切板里到底是个什么东西?这个东西是用...

weixin_35433920的博客 565

MFC Tab Control控件完全指南:从基础使用到高级定制

本文详细介绍了MFC中TabControl控件的使用方法和高级技巧。主要内容包括:1) TabControl基础属性设置与绑定;2) 样式定制和外观自定义;3) 创建派生类实现扩展功能;4) 动态页面管理和子对话框控制;5) 高级功能如标签拖拽排序和右键菜单。通过完整代码示例,展示了从基本应用到复杂场景的实现方案,包括多标签页管理、自定义绘制、动态添加/删除标签等核心功能,为MFC开发者提供了全面的TabControl开发指南。

专注现代C++实战,从核心语法到高性能编程,助力开发者深入掌握系统级编程精髓。 259

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

wpf 复制/剪切到本地系统剪切板中以供右键粘贴用

wpf 复制/剪切到本地系统剪切板中以供右键粘贴用 原文:wpf 复制/剪切到本地系统剪切板中以供右键粘贴用 http://www.cnblogs.com/yhdkzy/archive/2012/11/27/2790655.html /// <summary> /// 复制或剪切文件到剪切板 ...

weixin_30355437的博客 85

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")

c#怎样实现复制/粘贴/操作?

查看 Clipboard 类 粘帖:                   IDataObject   iData   =   Clipboard.GetDataObject();                         if   (iData.GetDataPresent(DataFormats.Text)   ¦   iData.GetDataPresent(DataFormat

ec8483编程站 2663

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

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

C#读取剪切板(Clipboard)中的数据的方法

1 自定义一个类,并且保证它的可序列化的:实现ISerializable接口;或者用[Serializable]标记(如果有父类,则父类也需要被标记;可以[NonSerialized()]标记类中不想被序列化的字段)    2 注册自定义数据格式:调用静态方法DataFormats.GetFormat()    3 保存数据到clipboard:利用IdataObject接口,创建一个数据对象

而立大叔 3478

Winform 剪贴板的复制和粘贴使用

复制: private void TextBox_DoubleClick(object sender, System.EventArgs e) {   if(TextBox.Text != "")    Clipboard.SetDataObject(TextBox.Text); } 粘贴: private void TextBox2_DoubleClick(object...

杂七杂八汇聚 2016

Winform调用系统的剪切,复制,粘贴文件功能

     // <summary> /// 复制或剪切文件至剪贴板(方法) /// </summary> /// <param name="files">需要添加到剪切板的文件路径数组</param> /// <param name...

weixin_34255793的博客 353

.net操作黏贴板,复制粘贴

this.textBox1.Copy();剪贴 这是控件自带的复制和剪贴 this.textBox1.Cut();复制 Clipboard类实现访问剪贴板 using System;using System.Drawing;using System.Collections;using System.ComponentModel;using System.Windows.Forms;u...

weixin_33749131的博客 533

C#复制、粘贴文本到剪贴板

//复制: private void button1_Click(object sender, System.EventArgs e) {   //如果选中部分不为空 把选中的内容复制到剪贴板    if(textBox1.SelectedText != ”")   Clipboard.SetDataObject(textBox1.SelectedText);   }  //粘贴: privat...

weixin_34119545的博客 103

C# 复制、粘贴文本信息到系统剪贴板

复制: 1 Clipboard.SetDataObject(textBox1.SelectedText); 粘贴: 1 IDataObject iData = Clipboard.GetDataObject(); 2 if(iData.GetDataPresent(DataFormats.Text)) { 3   textBox2.Text = (String)i...

weixin_34088583的博客 597

PowerToys Run: Clipboard Manager 安装与配置指南

PowerToys Run: Clipboard Manager 安装与配置指南 1. 项目基础介绍 PowerToys Run: Clipboard Manager 是一个开源项目,它是 PowerToys Run 插件的一个扩展,允许用户搜索和粘贴 Windows 剪贴板历史记录。这个插件为用户提供了更快捷的方式来访问和粘贴之前复制到剪贴板的内容。 该项目主要使用的编程语言是 C#,同时也使用...

gitblog_00309的博客 557

C#复制、粘贴文本信息到剪贴板

复制: privatevoidbutton1_Click(objectsender,System.EventArgse){ //Takestheselectedtextfromatextboxandputsitontheclipboard. if(textBox1.SelectedText!=”") Clip...

weixin_34032792的博客 140
上一篇: 有关vb.net的调试
下一篇: ListBox控件的操作与实现
ivbapplication
博客等级 码龄19年 8粉丝 17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