Visual Studio 2008和office 2007安装失败之谜

转自: http://blog.csdn.net/luozhuang/archive/2008/07/03/2608484.aspx

 

近日,大师们徒弟安装Visual Studio 2008office 2007 屡屡受挫。。。。。

  大师觉得很奇怪,我安装N 遍了 都没有出过错啊?

  问题如下:

Visual Studio 2008 安装失败(“Web 创作组件 无法安装)

“Visual Studio Web 创作组件(Visual Studio Authoring Component 安装失败,出现错误界面之后,setup.exe 随即停止工作或者安装Office 2007 提示找不到文件 比如office.zh-cn ,这个文件夹也有啊。

可是我确实安装Visual Studio 2008office 2007  N 遍了一点问题也没有

这究竟是怎么了?

经过研究发现: Visual Studio Authoring Component 搞鬼

原来大师用En 版的VS2008ENT ,装上Office2007 中文版,结果安装顺利

现在徒弟们安装的都是中文版,就出问题了

好 一个一个的说:

先装Visual Studio 2008 然后安装Office2007

这个时候提示找不到文件

很简单: 去控制面板中 把VisVisual Studio Web 创作组件(Visual Studio Authoring Component ) 给卸载了

就可以安装了

先装Office2007 然后安装Visual Studio 2008

提示“Visual Studio Web 创作组件(Visual Studio Authoring Component 安装失败

咱们就自己动手好了

在安装DVD/WCU/WebDesignerCore 文件夹中找到了“Visual Studio Web 创作组件 的安装程序

将其复制到硬盘上并解压缩,运行其中的setup.exe ,出现与Office 2007 相同的安装程序界面。单击 立即安装 ,结果出现找不到office.zh-cn 文件夹中文件的对话框,选择了安装程序所在的正确位置并确定,又再一次弹出同样的窗口,安装无法继续。

这个时候就必须选择Office 2007 的安装文件夹(光盘),就可以了

另外,大师提醒 切不可耍小聪明

VS2008 英文版的IDE+ 中文版的MSDN Library ,这样就不会有问题了。(真的?)

装上office 2007 中文版,结果安装顺利,VS 说没法加载“Web 创作组件 ,没有与.aspx 文件相关联,这样大师也没有办法(文件的哈希值,安装程序只承认自己的文件版本,而不接受其他的版本。反正我是教徒弟不可脚踩两条船)

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
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