CppUnitDemoFactorial构建步骤

  • CppUnitDemoFactorial构建步骤
    一、先将CppUnit编译成功。
    1.  在src/目录下,将CppUnitLibraries.dsw工程文件用vc打开。执行build/batch build(组建—>批组建),只选win32 Debug, 不要选unicode(如下图所示),生成的库文件将被拷贝到lib目录下。

    图片

    2.  设置头文件和库文件路径,选择Tools/Options/Directories(工具->选择->目录),在Includefiles和Library files中分别添加文件所在的路径,之后Save Workspace(保存工作空间)。

    图片

    图片

    二、初识CppUnit测试环境
    1.  进入example文件夹,用VC打开examples.dsw。
    2.  将CppUnitTestApp工程设为Active Project(Win32 Debug) ,编译后运行,是基于GUI方式进行单元测试TestRunner的界面。

    图片

    3.  将CppUnitTestMain工程设置为活动工程Active Project(Win32 Debug),编译并运行,是基于文本方式的单元测试环境。得到以下结果:

    图片

    4.  将HostApp工程设置为活动工程Active Project(Win32 Debug) ,编译运行。

    图片

    三、CppUnitDemoFactorial构建步骤

    1、新建一个基于对话框的工程CppUnitDemoFactorial,可编译运行。
    2、设置工程属性:Project->Settings->C++->C++ Language->EnableRTTI,如下图:

    图片

    3、设置工程属性:Project ->Settings->Link->object/library Modules->
    在左上角选择Win32 Debug,填入:cppunitd.lib testrunnerd.lib。在左上角选择Win32 Release,填入:cppunit.libtestrunner.lib。 注意:工程属性设置完毕后,要Save Workspace。可编译运行。
    图片

    图片

    注意:工程属性设置完毕后,要Save Workspace。可编译运行。
    4、 将Factorial.cpp和Factorial.h添加至当前的工程中, 编译会出现以下错误:factorial.cpp(15):fatal error C1010: unexpected end of file whilelooking for precompiled header directive
    设置工程属性:Project -> Settings ->C++->Precompiled Headers->Not using precompiled headers(如下图)。

    图片

    工程属性设置完毕后,要Save Workspace。可编译运行。
    5、新建类:CFactorialTestCase,派生于CppUnit::TestCase。
    6、添加成员函数:voidfactorialTest()。
    7、添加函数体:
    CPPUNIT_ASSERT_EQUAL(0,Factorial(-5));
    CPPUNIT_ASSERT_EQUAL(1,Factorial(0));
    CPPUNIT_ASSERT_EQUAL(6,Factorial(3));
    8、在CFactorialTestCase类的定义头文件中,添加:
    CPPUNIT_TEST_SUITE(CFactorialTestCase);
    CPPUNIT_TEST(factorialTest);
    CPPUNIT_TEST_SUITE_END();
    9、在FactorialTestCase.h中,添加头文件:
    #include <cppunit/TestCase.h>
    #include <CppUnit/extensions/HelperMacros.h>
    #include "Factorial.h" 10、在FactorialTestCase.cpp中,添加:
    CPPUNIT_TEST_SUITE_REGISTRATION(CFactorialTestCase);
    11、在CppUnitDemoFactorial.cpp中添加:
    CppUnit::MfcUi::TestRunnerrunner;
    runner.addTest(CppUnit::TestFactoryRegistry::getRegistry().makeTest());
    runner.run();
    returnTRUE;
    12、在CppUnitDemoFactorial.cpp中添加:
    #include <cppunit/ui/mfc/TestRunner.h>
    #include <cppunit/extensions/TestFactoryRegistry.h>
    编译运行,会弹出错误对话框:

    图片

    这是因为工程中没有testrunnerd.文件,解决办法:打开cpp-1.12.1文件,找到lib文件,复制到cppUnitDemoFactorial文件中的Debug文件中。再次运行,得到以下结果:

    图片

    此结果说明代码数据阶乘关系出错,将void CFactorialTestCase::factorialTest()中的“ CPPUNIT_ASSERT_EQUAL(0,Factorial(-5))”语句中的0改为6,-5改为3,符合3的阶乘等于6,再次运行,得到:

    图片

    四、遇到的问题分析:在步骤三的第二步中运行可能会得到警告: LINK : warning LNK4075: ignoring /EDITANDCONTINUE due to /INCREMENTAL:NO specification遇到此问题是因为没有进行project->setting->LINK -> Link incrementally操作。选择“工程”到“设置”再到“连接”最后在“增加链接”前打勾即可 。
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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