在 Netbeans IDE 中 配置 C/C++

基于NetBeans 6.8的C/C++开发环境搭建与项目实战(1) 打开点击Add…填写:点击OK,NetBeans会自动测试连通性。只有全部通过才会注册成功。💡 关键技巧:一定要使用,而不是MSYS自带的make。后者依赖bash环境,在IDE中容易出错。回过头来看,NetBeans + MSYS + MinGW 并不是一个简单的“安装包合集”,而是一套精心设计的分层协作体系NetBeans提供现代化IDE体验(智能补全、图形调试)MSYS。 阅读详情
最近在接触Netbeans  和C++ 遇到了些问题,在网上找到了这篇文章 觉得蛮有帮助的,转载分享……
摘自NetBeans网站中的说明:

  Netbeans C/C++ Pack 需要 C 编译器、C++ 编译器、make 实用程序和 gdb 调试器。

Windows
经测试,NetBeans C/C++ Pack 可以与下列编译器和工具配合使用:

Cygwin 1.5.21 
Cygwin gcc-core(C 编译器)3.4.x 
Cygwin gcc-c++(C++ 编译器)3.4.x 
Cygwin gdb(GNU 调试器)6.5.50 
Cygwin make 3.80 

如果您已在 Windows 系统上安装了 Cygwin GNU 编译器、GNU make 和 gdb 调试器,并且正确设置了可以找到它们的 Path 变量,
请确保您使用的是正确的版本。如果您安装了正确的版本,则无需再进行设置。

检查 Cygwin 编译器和工具的版本:

要查看 Cygwin 的版本,请键入:

cygcheck -c cygwin
要查看编译器、make 和 gdb 的版本,请键入: 
gcc --versiong++ --versionmake --versiongdb --version
通过 cygwin.com 来安装 GNU 编译器、make 和 gdb 调试器:

下载 Cygwin setup.exe 程序,方法是:单击位于该页面中间的 "Install or Update Now!" 图标。 
运行 setup.exe 程序。接受缺省设置,直至转入 "Select Your Internet Connection" 页。在此页上选择最适合您的选项。
单击“下一步”。 
在 "Choose A Download Site" 页上,选择一个方便您下载的站点。单击“下一步”。 
在 "Select Packages" 页上,选择要下载的包。单击 "Devel" 旁边的 "+" 号,以展开此开发工具类别。您可能需要调整窗口的大小,
以便一次可以看到更多的内容。 
通过单击包旁边的 "Skip" 标签来选择要下载的每个包。您至少要选择 
gcc-core: C compiler、gcc-g++: C++ compiler、gdb: The GNU Debugger 和 make: the GNU version of the 'make' utility。 
现在将编译器目录添加到您的 Path 变量中: 


打开“控制面板”(“开始”>“设置”>“控制面板”),然后双击“系统”程序。 
选择“高级”标签,然后单击“环境变量”。 
在“环境变量”对话框的“系统变量”面板中,选择 "Path" 变量,然后单击“编辑”。 
将 cygwin-directory/bin 目录的路径添加到 Path 变量中,然后单击“确定”。缺省情况下,cygwin-directory 为 C:/cygwin。
目录名称之间必须用分号进行分隔。 
在“环境变量”和“系统属性”对话框中分别单击“确定”。 
  通过以上方法,完成了在Windows XP操作系统下,NetBeans 6.1的C/C++配置,可以成功地编译代码。

  在用Cygwin下载包的时候,可以在User URL一栏中填写http://www.cygwin.cn/pub/,然后点击旁边的add按钮,
把这一地址添加到Available Download Site中,通过该站点进行包下载。这是国内的cygwin镜像点,下载速度能比其它站点快一些。
D触发器版图设计的艺术:最小化面积与最大化性能的平衡之道 本文探讨了D触发器版图设计中如何平衡最小化面积与最大化性能的核心挑战。通过分析晶体管布局、互联优化、时钟分布等关键策略,结合先进制程下的功耗与信号完整性考量,为数字IC工程师提供了从基础优化到制造验证的实用解决方案,助力实现高性能、低面积的芯片设计。 阅读详情

相关推荐

Kali Linux实战:5分钟复现永恒之蓝漏洞攻击(附Win7靶机配置指南)

本文提供了一份详细的Kali Linux实战指南,指导读者在5分钟内于隔离的虚拟环境中复现经典的永恒之蓝漏洞攻击。内容涵盖从Windows 7靶机配置、网络设置,到使用Nmap进行服务发现、利用Metasploit框架进行漏洞扫描与利用的全过程,并演示了基础的Meterpreter后渗透操作,旨在帮助网络安全学习者通过亲手实践深入理解SMB协议漏洞的攻防原理。

weixin_29313547的博客 199

用GDB调试程序(六)

 七、设置显示选项    GDB中关于显示的选项比较多,这里我只例举大多数常用的选项。    set print address     set print address on         打开地址输出,当程序显示函数信息时,GDB会显出函数的参数地址。系统默认为打开的,如:                (gdb) f        #0  set_quotes (lq=0x3

陈皓专栏 【空谷幽兰,心如皓月】 4万+

《C#零基础入门之百识百例》(七)算数运算符 -- 圆的面积

运算符是一种告诉编译器执行特定的数学或逻辑操作的符号。C# 有丰富的内置运算符,本文带你学习C# 中算数运算符。

陈言必行 -- Unity游戏开发领域优质博主 3616

windows平台下的netbeans开发C++,以及常见问题的解决

本文写发稿时,netbeans的最新版本为6.8.如果尚未安装 NetBeans IDE,请转至http://www.netbeans.org,然后下载包含最近的 C/C++ 支持的 IDE 版本。如果已安装 NetBeans IDE 但未包含 C/C++ 支持,请完成以下步骤为 IDE 添加 C/C++ 支持。 从主菜单中选择“工具”>“插件”。 在“插件”对话框中,单击“可用插件”标签

噬日者 1万+

计算机网络实验报告实验七可靠传输TCP协议分析

计算机网络实验报告实验七可靠传输TCP协议分析

m0_56638814的博客 966

【Unity 实用工具篇】 | Unity网格破碎插件 unity-fracture

前面写过一篇Unity中物体破碎效果的插件:【Unity 实用工具篇】 | Unity物体破碎效果 OpenFracture 本文介绍一个另外的工具unity-fracture,也可以实现网格破碎效果,且功能与OpenFracture略有差异。

努力前行,总会成为自己心中的那道光 1万+

netbeans c++环境配置

1、下载8.xnetbeans, 有c++组件功能的安装包 2、下载mingw 运行,安装base组件,并且将dev组件也安装进入 3、在电脑属性中加入mingw/bin和mingw/msys/1.0目录 4、在netbeans选项中开启,选环境目录mingw的bin目录 5、在项目属性中开启加入如图选项 -std=gnu++11 启动c++11 或者-std=c++11 下

lerojune的专栏 831

【光子AI / Photon.AI】manus 通用 Agent 的实现核心技术原理与应用

摘要 Manus是一款由国内团队开发的通用AI Agent,其核心技术原理基于多智能体协作架构、云端全能沙箱、规划-执行-反思循环等系统工程方法。与传统的对话式AI不同,Manus能够在独立的Linux虚拟机环境中自主规划并执行复杂任务,通过编写和运行代码来解决问题,具备强大的纠错能力和工具使用能力。 核心应用场景包括深度行业研究、自动化办公、生活助理、辅助编程和跨平台信息整合等。Manus的工程化落地优势体现在沙箱环境、多智能体调度和容错机制等方面,使其能够完成需要多步骤操作和多种工具调用的复杂任务,将A

AI天才研究院 676

配置 NetBeans IDE 以使用 C/C++/Fortran

2009 年 12 月 [修订版本号:V6.8-1] 本文档提供了在 NetBeans IDE 中下载、安装和配置 C/C++ 支持的相关信息。NetBeans IDE 需要具备 C/C++ 插件模块以及第三方 C/C++ 编译器、make 实用程序和调试器,才能使用 C/C++ 进行开发。 目录 在 IDE 中启用 C/C++/Fortran 安装并设置编译器和工具 验证安

nciaebupt 3025

【KingSCADA】如何创建新应用

KingSCADA3.8集成开发环境是基于工程的应用管理模式,实现了对多个应用的集中开发和管理的功能,一个工程可以同时管理多个应用,即在KingSCADA3.8工程设计器中可以同时对多个应用进行开发,应用之间可以实现相互复制、粘贴等功能,大大提高了开发效率。(此处感觉和VS类似)使用KingSCADA3.8开发的系统称为应用,一个完整的应用一般包含以下部分或全部内容:IO设备、IO采集点、图形界面、动画链接、趋势曲线、报警和事件、历史记录、数据库、Web Server等部分。

做有价值的事,积累有价值的笔记! 3111

置顶必读(1) | 滚雪球学Oracle教程导航帖,带你弯道超车(持续更新中)

什么是数据库管理系统(DBMS),Oracle在行业中的领先地位Oracle数据库的市场竞争与主要应用场景Oracle数据库的核心功能模块与未来技术发展趋势约束的高级应用:主键、唯一性、外键设计与管理表分区、视图、同义词与序列的最佳实践PL/SQL编程的设计哲学,如何高效使用Oracle SQL DeveloperPL/SQL代码调试与优化技巧RAC集群中的高可用性设计,负载均衡与并行查询的配置集群中的缓存一致性管理。

**My Coding Family** 1万+

使用NetBeans在Windows搭建linux c++环境

前面一篇的文章我们简单说了vs2017中怎么配置linux c++环境,试用之后发现使用不太方便,后来就想到了以前用过的一款IDE:NetBeans,这里给大家补上。 首先我们可以在官方下载NetBeans,这是一款免费的IDE: netbeans.apache.org/download/nb… 到目前为止最新的版本已经是10.0了,当然了更多的资料里面介绍的可能是NetBeans8.2的版本,...

weixin_34414196的博客 366

UG NX二次开发-博客文章速览

写了一些UG NX二次开发的心得体会,内容较多,感觉不好查找相应的内容,所以决心把导航写出来,方便自己也方便读者。主专栏是“”,C#专栏为 : “” ,Python专栏为 : “这三个专栏都会持续的更新。如果有需要咨询或者学习讨论的,请私信博主或者加QQ群:749492565。博主几乎每天都在。

GimiGimmy 3721

Windows下,Netbeans使用C++的配置方法

如果尚未安装 NetBeans IDE,请转至http://www.netbeans.org/community/releases/,然后下载包含最近的 C/C++ 支持的 IDE 版本。 如果已安装 NetBeans IDE 但未包含 C/C++ 支持,请完成以下步骤为 IDE 添加 C/C++ 支持。 从主菜单中选择“工具”>“插件”。 在“插件”对话框中,单击“可用插件”标签,然后滚动

轻锋的专栏 6356

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

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。

NetBeans IDE 7.2.1

NetBeans IDE 下载 用NetBeans IDE开发C++ lC/c++ Application 配置NetBeans IDE的C / C + + / Fortran语言 - 的NetBeans IDE 7.1 http://netbeans.org/community/releases/71/cpp-setup-instructions.html

277

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Netbeans 安装和配置 C/C++ 支持

下载 C/C++ 支持<br /> <br />如果尚未安装 NetBeans 6.0 IDE,请转至 NetBeans IDE 6.0 Download 页,然后下载包含 C/C++ 支持的 IDE 版本。如果已安装 NetBeans IDE 6.0,但未包含 C/C++ 支持,请完成以下步骤为 IDE 添加 C/C++ 支持。如果网络使用代理,请从主菜单中选择“工具”>“选项”,选择“手动代理设置”,输入代理的 HTTP 代理和端口,然后单击“确定”。 从主菜单中选择“工具”>“插件”。 在“插件”对话

我们编程吧 4079

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")

Netbeans 下 配置C/C++编译环境

<br />NetBeans的功能强大毋庸置疑,但是在一个编译环境的配置上还是比较复杂的。例如C/C++的环境配置。首先你得在IDE中确定你装了C/C++插件。打开IDE,选择“工具-插件”,然后在可用插件中选择C/C++,然后安装。     <br /> <br /><br /> <br />接下来就是配置C/C++编译环境了。NetBeans中,适合C/C++编译环境的有两个,一个是cygwin,还有一个是MinGW。两个我都有装过,NetBeans的官网上有关于Cygwin的配置步骤。但是我按照步骤做

lxd1989720的专栏 817

在Windows下设置NetBeans的C/C++环境

NetBeans提供了一个很好的C/C++开发环境,这个开发环境是基于GCC编译器,所以在Windows上是需要通过配置才能使用NetBeans的C/C++平台。配置只有三步:1、下载MinGW和MSYS2、配置MSYS的环境变量3、在NetBeans中配置C/C++平台-------------------------第一步:下载MinGW和MSYS首先需要下载MinGW和MSYS,MinGW是...

ruilin521314 307

NetBeans IDE 配置qmake在qvfb下开发

1、尚未安装 NetBeans IDE 6.8 如果您尚未安装 NetBeans IDE,请从 NetBeans IDE 6.8 下载页下载 "C/C++" 包或 "All" 包。如果不使用其他语言(如 Java 和 Ruby),您应该下载 "C/C++" 包。 2、已安装 NetBeans IDE 6.8,但不知道其中是否包括 C/C++ 插件 如果已经安装了 NetBeans ID...

diangeng8874的博客 200

NetBeans IDE做嵌入式开发详细介绍

嵌入式开发一般都是在Ubuntu环境下,我不否认vim+加插件的功能强大。但是,习惯了使用鼠标以及IDE开发的我总是觉得有所欠缺。所以我发现了NetBeans IDE。 首先看一下界面风格 我个人是挺喜欢的,当然代码风格与Java很像,原因在于它是用Java实现的。下面设置编译器,我们可以把交叉编译器设置在里面,这样建立工程的时候可以选择不同的编译器 点击Tool>>Options ...

难波儿万的博客 877

C/C++集成开发环境搭建

http://blog.youkuaiyun.com/pipisorry/article/details/20291219 Linux Clion集成开发环境 jetbrains家的,不用介绍了哈,lz看到有它家的ide,必用! Clion: A cross-platform IDE forC ...

chuange6363的博客 880

netbeans ide_NetBeans IDE:功能,技巧和未来

NetBeans IDE是原始的Java开发环境,于1996年在捷克共和国的布拉格作为一个学生项目启动。 在将Java的创始人James Gosling引入NetBeans之后,Sun Microsystems于2000年对其进行了收购和开源。十年后,随着Oracle收购Sun Microsystems,NetBeans成为了Oracle的一部分。 在Sun Microsystems中,N...

1174

使用NetBeans开发跨平台的C++项目

1.下载NetBeans IDE,并在IDE中,下载C/C++插件 2.如果在Windows上开发,需要下载Cygwin,并至少安装以下组件 (也可以选择用MinGW,或者直接在Linux上开发) Cygwin gcc-core(C 编译器) Cygwin gcc-c++(C++ 编译器) Cygwin gdb(GNU 调试器) Cygwin make  Cygwin cmake

x_studying的专栏 4054

C/C++ 远程开发 - NetBeans IDE 教程 -转

官网地址 https://netbeans.org/kb/docs/cnd/remotedev-tutorial_zh_CN.html 2014 年 3 月 [修订版本号:V8.0-1] 本文档介绍如何将 NetBeans IDE 的远程开发功能用于 C/C++/Fortran 项目。 目录-简介-远程开发概念-设置系统-设置 IDE-在远程主机上构建本地项目-在

xp5xp6的博客 2577
neo520java
博客等级 码龄17年 15粉丝 0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