调用Windows系统对话框

大雨仔 大雨仔 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.5k累计阅读 1.6k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄23年
关注
原创 最新推荐文章于 2026-09-20 10:31:00 发布 1.5k 阅读 AI 写同款· GEO 优化 ›
命令行参数在PHP中的应用及详解 命令行参数是在执行PHP脚本时通过命令行界面传递给脚本的值。它们以特定的格式出现在命令行中，并通过脚本的全局变量$argv和$argc来访问。$argv是一个数组，包含了所有传递给脚本的参数值（包括脚本名称本身）。$argc是一个整数，表示传递给脚本的参数数量（不包括脚本名称本身）。本文详细介绍了PHP中命令行参数的使用方法及其应用场景。通过命令行参数，我们可以在执行PHP脚本时传递参数值，实现脚本的灵活配置和行为调整。我们可以通过全局变量$argv和$argc。 阅读详情

调用Windows的关机对话框可用shell32.dll中一个索引号为60的API函数调用可实现。而调用控制面板根本就不需要用API函数,只要执行
辅助选项
模块： access.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,5
结果： 显示辅助选项/常规。

命令： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,1
结果： 显示辅助选项/键盘。

命令： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,2
结果： 显示辅助选项/声音。

命令： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,3
结果： 显示辅助选项/显示。

命令： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,4
结果： 显示辅助选项/鼠标。

添加新硬件
模块： sysdm.cpl
命令：rundll32.exe shell32.dll,Control_RunDLL sysdm.cpl @1

增加新的打印机
模块：shell32.dll
命令：rundll32.exe shell32.dll,SHHelpShortcuts_RunDLL AddPrinter

添加/删除程序
模块：appwiz.cpl
命令：rundll32.exe shell32.dll,Control_RunDLL appwiz.cpl,,1
结果：显示安装/卸载。

命令：rundll32.exe shell32.dll,Control_RunDLL appwiz.cpl,,1
结果：显示安装/卸载。

命令：rundll32.exe shell32.dll,Control_RunDLL appwiz.cpl,,2
结果：显示Windows 安装。

命令：rundll32.exe shell32.dll,Control_RunDLL appwiz.cpl,,3
结果：显示启动盘。

复制磁盘
模块：diskcopy.dll
命令：rundll32.exe diskcopy.dll,DiskCopyRunDll

时间/日期
模块： timedate.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL timedate.cpl,,0
结果： 显示设置日期/时间。

命令： rundll32.exe shell32.dll,Control_RunDLL timedate.cpl,,1
结果： 显示设置时间区域。

拨号连接(DUN)
模块： rnaui.dll
命令： rundll32.exe rnaui.dll,RnaDial 连接_名称
结果： 打开指定的拨号连接。
例子：
x= Shell("rundll32.exe rnaui.dll,RnaDial "  &  "连接_名称", 1)

显示器
模块： desk.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL desk.cpl,,0
结果： 背景设置。

命令： rundll32.exe shell32.dll,Control_RunDLL desk.cpl,,1
结果： 屏幕保护设置。

命令： rundll32.exe shell32.dll,Control_RunDLL desk.cpl,,2
结果： 外观设置。

命令： rundll32.exe shell32.dll,Control_RunDLL desk.cpl,,3
结果： 设置窗口。

操纵杆
模块： joy.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL joy.cpl

邮件/传真
模块： mlcfg32.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL mlcfg32.cpl
结果： 出现 MS Exchange 属性设置。

邮局设置
模块： wgpocpl.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL wgpocpl.cpl
结果： 显示 MS Postoffice Workgroup Admin 设置。

主设置
模块： main.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @0
结果： 显示鼠标属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @1
结果： 显示键盘/速度属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @1,,1
结果： 显示键盘/语言属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @1,,2
结果： 显示键盘/常规属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @2
结果： 显示打印机属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @3
结果： 显示字体属性。

命令： rundll32.exe shell32.dll,Control_RunDLL main.cpl @4
结果： 显示电源管理属性。

增加 Modem
模块：modem.cpl
命令：rundll32.exe shell32.dll,Control_RunDLL modem.cpl,,add

多媒体
模块： mmsys.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl,,0
结果：声音。

命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl,,1
结果：视频。

命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl,,2
结果：声音 MIDI。

命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl,,3
结果：CD/音乐。

命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl,,4
结果：高级。

命令： rundll32.exe shell32.dll,Control_RunDLL mmsys.cpl @1
结果：声音。

网络
模块：netcpl.cpl
命令：rundll32.exe shell32.dll,Control_RunDLL netcpl.cpl

打开方式窗口(Open With)
模块： shell32.dll
命令：rundll32.exe shell32.dll,OpenAs_RunDLL path/filename

口令
模块： password.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL password.cpl

区域设置
模块： intl.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL intl.cpl,,0
结果： 区域设置。

命令： rundll32.exe shell32.dll,Control_RunDLL intl.cpl,,1
结果： 数字格式设置。

命令： rundll32.exe shell32.dll,Control_RunDLL intl.cpl,,2
结果： 金额格式设置。

命令： rundll32.exe shell32.dll,Control_RunDLL intl.cpl,,3
结果：时间格式设置。

命令： rundll32.exe shell32.dll,Control_RunDLL intl.cpl,,4
结果： 日期格式设置。

屏幕保护
模块： appwiz.cpl
命令： rundll32.exe desk.cpl,InstallScreenSaver c:/win/system/Flying Windows.scr
结果： 安装屏幕保护并显示预览属性页。

系统设置
模块： sysdm.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL sysdm.cpl,,0
结果： 显示常规设置。

命令： rundll32.exe shell32.dll,Control_RunDLL sysdm.cpl,,1
结果： 显示设备管理设置。

命令： rundll32.exe shell32.dll,Control_RunDLL sysdm.cpl,,2
结果： 显示硬件设置。

命令： rundll32.exe shell32.dll,Control_RunDLL sysdm.cpl,,3
结果： 显示性能设置。

IE4 设置
模块： inetcpl.cpl
命令： rundll32.exe shell32.dll,Control_RunDLL inetcpl.cpl


 

收录于
C.应用小伎俩

当前文章被收录于：

C.应用小伎俩
52 篇文章 0 人学习
订阅专栏 查看详情
标签
#windows #shell #exchange #api #磁盘
#音乐
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
命令行参数在Unix高级编程中的应用 命令行参数是在执行程序时通过命令行传递给程序的值或选项。它们可以用来指定程序的行为，例如输入文件名、输出文件名、调试标志等。命令行参数通常由空格或制表符分隔，并在程序中以某种方式进行解析和处理。命令行参数是Unix高级编程中常用的技术之一。通过在命令行上传递参数，我们可以在不修改源代码的情况下改变程序的行为。本文介绍了在C语言中处理命令行参数的基本方法，并提供了示例代码来说明其用法。通过合理使用命令行参数，我们可以编写更加灵活和可配置的程序。希望本文对您理解和使用命令行参数有所帮助！ 阅读详情

相关推荐

VB打开控制面板里程序的方法命令集

VB打开控制面板里程序的方法命令集 你看到的文件来自：E动天下(http:/www.2e3.org)

在VB中启动控制面板

----设备管理器: C:/WINDOWS/system32/devmgmt.msc---- 其它控制面板扩展对应的命令： ---- 控制面板：rundll32.exe shell32.dll,Control_RunDLL ---- 辅助选项： rundll32.exe shell32.dll,Control_RunDLL access.cpl,,1 （最后一个参数：1显示键盘设置；2显示声音

苹果专栏 1415

常用的VB打开控制面板各功能实例大全

内容索引:VB源码,系统相关,控制面板 　　该实例收集了VB打开系统控制面板各个设置程序的命令大全，像启动控制面板，打开拨号连接，启动日期和时间设置，Windows设置面板，屏幕保护，Windows外观外观，打开桌面背景设置，打开声音和多媒体属性，打开鼠标、键盘设置面板，启动Windows辅助选项置，启动显示设置面板等，对了解Windows控制面板编程有所帮助。

[VB.NET]访问控制面板

访问控制面板 实例说明在本实例中，我们制作一个能够访问控制面板各个选项的应用程序。点击不同按钮，即可打开相应的程序。程序运行结果如图93-1所示。<!--google_ad_client = "pub-8333940862668978";/* 728x90, 创建于 08-11-30 */google_ad_slot = "4485230109";google_ad_w

VB.NET学习网-VB.NET实例、VB.NET教程、VB.NET源码下载 1017

VB 访问控制面板

VB 访问控制面板 VB 访问控制面板 VB 访问控制面板

思科9117AP从零配置EWC模式实战：Wi-Fi6网络搭建避坑指南

本文详细介绍了思科9117AP在Wi-Fi6网络环境下配置EWC模式的实战指南，涵盖镜像准备、网络环境配置、模式转换步骤及高级运维技巧。通过EWC模式，企业可实现控制器与AP的一体化部署，显著降低成本和简化运维，特别适合中小企业Wi-Fi6网络搭建。

weixin_28318011的博客 332

VB.NET操作其它软件界面

通过控件ID去操作文本框和按钮

Pwwwqq的博客 686

夸克缓存视频合并小工具

原理 使用windows的命令行的copy命令来合并 copy /b 0+1+2+3 new.ts 分析缓存目录结构，发现都是一个m3u8文件带一个同名文件夹 所以分析m3u8并把原来的路径换成这个缓存文件夹路径并按顺序合并即可。 其中碰到的难点是Qprocess在windows不好使，索性直接存成.bat批处理文件再执行 还有就是中文问题，具体在代码里都说了。 代码 （环境Qt5.7.0） 这是mainwindow.h #ifndef MAINWINDOW_H #defin.

natural_Caduceus 1万+

用VB编写基于控制台的程序

设计思路　　(1)分配控制台程序的内存资源。　　(2)设置控制台的相关属性。　　(3)通过控制台输出文本内容。　　(4)接收交互信息并继续输出。　　(5)释放控制台程序的内存并关闭程序。实现步骤　　(1)启动VB，新建一个工程，删除默认的“From1”窗体，然后添加一个模块，在该模块中输入常量和全局变量的定义代码。　　注：API函数的声明可参照“本期API函数声明”

barenx的专栏 6086

RAG开源框架深度评测：从RAGFlow到Dify的实战选型指南

本文深度评测了主流RAG开源框架（RAGFlow、Dify、WeKnora）的核心能力与实战表现，提供企业级选型指南。重点对比了文档解析、检索性能和生产部署等关键指标，揭示RAGFlow在复杂文档处理、Dify在低代码开发、WeKnora在腾讯生态集成的差异化优势，并给出技术选型决策树与成本优化方案。

weixin_29294597的博客 825

Halcon像素比例标定(误差大)-相机标定

一种简易标定： 像素比例标定，如果需要精确一些则需要在高度和宽度上都需要计算，然后求出比例系数。需要高精度标定板和相机，以及多次标定才能达到稳定的状态，这种标定简单，但是误差大。 read_image (Img0008, 'D:/00项目代码/000视觉软件/02Halocn算法20190501/04测量20190424/07_比例计算测量标定/IMG0008.jpg') rgb1_to_...

SSSS的博客 3984

VB 写控制台程序(转)

https://classicvb.net/samples/Console/ Console Description The whole enchilada. If you want to write a real console application, using Classic VB, this is the ticket. Create a new project, set it to start with Sub Main, drop the MConsole.bas file into

klima的博客 661

MathType公式使用技巧汇总——Mathtype怎么在word中编辑公式？论文中公式有哪技巧？有哪些注意事项？论文中的公式怎么写？

如果word中到公式编号(2-1)中间的符号如下图........ .......类似与省略号的，这是手动打的空格，公式和编号的位置都是手动敲空格操作的，这种就只是使用MathType写了公式而已，格式上还是很不方便的。**如果要修改公示，直接双击文档中的公式，就会自动弹出MathType公式编辑窗口，进行修改。如果要修改公示，直接双击文档中的公式，就会自动弹出MathType公式编辑窗口，进行修改。而第二种，是公式里面带的括号符号，他是可以随着公式结构自适应变化的。这时需要将公式插入到一行文字的某处，

程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。 5万+

motion-canvas 脚手架包 @motion-canvas/create：版本演进、命令行参数与模板生成机制全解

本文围绕 [packages/create/CHANGELOG.md](https://link.gitcode.com/i/fbb990863f790ae15de1054171ee2231) 所记录的 `@motion-canvas/create` 变更历史展开，梳理该脚手架包从 2.0.0 首发到 3.17.2 的关键功能演进（命令行参数、导出器选择、模板内置示例动画等），并结合 [packa

gitblog_00035的博客 438

在blender中安装vtk插件

Blender 是一个开源的、功能强大的3D计算机图形软件，广泛用于创建动画片、视觉效果、艺术作品、3D打印模型、互动3D应用程序和视频游戏。Blender 是由 Blender 基金会开发和维护的，具有丰富的功能和灵活的扩展性。在github上下载zip插件。

如果想成为中心，那么就到中心去吧。 294

5G无线关键技术 — 新型传输波形技术和先进编码与调制技术

目录 1、OFDM传输波形技术 2、滤波器组多载波 （Filterbank multicarrier：FBMC） 3、先进编码与调制技术 4、空间调制（Spatial Modulation SM） 5、频率正交幅度调制 1、OFDM传输波形技术 OFDM是当前Wi-Fi和LTE标准中的高速无线通信的主要传信模式。 LTECP配置 子载波间隔 CP长度Tcp 有用符号长度Tu CP比例..

Fanjufei的博客 2127

chezmoi `promptBoolOnce` 模板函数详解：在初始化时智能询问布尔配置

`promptBoolOnce` 是 chezmoi 在 `chezmoi init` 阶段提供的"询问一次"型模板函数：它会优先从当前配置数据（map）中读取已存在的布尔值，只有数据不存在时才向用户发起交互式提问。借助它，你可以在 .chezmoi.toml.tmpl 等初始化模板中，实现"首次初始化提问、后续初始化自动复用"的机器级布尔配置收集，例如"这台机器是否有图形界面（GUI）"。读完本

gitblog_00137的博客 98

11. 使用 HTTP PUT, PATCH 以及 MERGE 请求消费 SAP ABAP OData 服务修改操作的实现及其区别

使用 SAP ABAP SEGW 事物码实现 OData 服务的修改操作时，对于消费端通过 PATCH/MERGE 和 PUT 这三种不同类型的 HTTP 请求触发的场景，我们应该在 UPDATE_ENTITY 方法里用 IF 分支分别进行处理，原因就在于 GET_ENTITY 方法是否在修改处理逻辑的过程中被触发。......

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 2457

java命令行运行javafx,在Java中使用JavaFX中的命令行参数

I have the following code:public class Main extends Application {@Overridepublic void start(Stage primaryStage) throws Exception{Parent root = FXMLLoader.load(getClass().getResource("hive.fxml"));prim...

weixin_31111015的博客 388

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

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

笨办法学Python（十四）

习题 14:提示和传递 让我们使用 argv 和 raw_input 一起来向用户提一些特别的问题。下一节习题你会学习如何读写文件，这节练习是下节的基础。在这道习题里我们将用略微不同的方法使用 raw_input，让它打出一个简单的 > 作为提示符。这和一些游戏中的方式类似，例如 Zork 或者 Adventure 这两款游戏。 1 from sy...

290

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")

习题14 提示和传递

传递

zsolini的博客 76

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

习题14--提示和传递

一：代码 from sys import argv script, user_name = argv prompt = '> ' print "Hi %s, I'm the %s script." % (user_name, script) print "I'd like to ask you a few questions." print "Do you like me %s?" % us

sinat_26474359的博客 551

python文件生成exe方式

python文件生成exe

qq_36973540的博客 615

Python 解析命令行参数（argparse 库）

argparse是 Python 标准库中的一个模块，用于解析命令行参数和选项。它不仅支持基本的参数解析，还提供了丰富的功能，如参数类型验证、子命令支持、自动帮助信息生成等。使用argparse可以显著提高代码的可读性和可维护性。本文介绍了 Python 中常用的命令行参数解析库argparse，并通过多个示例展示了其基本用法、参数类型与默认值、必选参数以及子命令支持等功能。掌握argparse后，你可以更高效地开发命令行工具，并提升代码的可读性和健壮性。希望这篇文章对你有所帮助！

2501_91227201的博客 1216

【Python入门】掌握Python：如何轻松解析命令行参数

在这篇文章中，我们学习了Python中解析命令行参数的几种方式，并通过一个实际的例子来演示了如何使用argparse模块。📋 解析命令行参数是Python脚本开发中的一项基本技能，它让你的脚本更加强大和易于使用。

墨夶的博客 453
上一篇： 调用Windows API
下一篇： 调用API函数实现关机
点赞 0
评论 0
书签 书签 0
大雨仔
大雨仔
博客等级 码龄23年 28粉丝 159原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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