随拷随用

procedure TForm1.BitBtn1Click(Sender:TObject);

var

 SearchRec: TSearchRec; //TSearchRec是一个文件信息的纪录(Record)类型

 filelist: TStringlist; //TStringslist是字符串列表类型

 xls_txt_Ext,middle_vary: string;

//定义 xls_txt_Ext为文件后缀名变量,middle_vary为中间变量

 found: integer;

 aFileName: array of string; //aFileName为包含文件名数组

  x:integer;

//........................获取指定文件夹中文件名................................

{

TSearchRec是一个文件信息的纪录(Record)类型

在Windows下原型:

type

TSearchRec = record

Time: Integer;

Size: Integer;

Attr: Integer;       //SearchRec.Attr是查找的文件属性

Name: TFileName;

ExcludeAttr: Integer;

FindHandle: THandle;

FindData: TWin32FindData;

end;

}

 begin

  try

 begin

   filelist := TStringList.Create; //filelist启用

   found := FindFirst('D:\Myapp\R1.0\注:只存放导入文件(暂支持.txt,.xls后缀)\'+'*.*',faAnyFile,SearchRec);

   while found = 0 do

   begin

     if (SearchRec.Name <> '.')and(SearchRec.Name <> '..')then//SearchRec.Attr是查找的文件属性

     xls_txt_Ext := ExtractFileExt(SearchRec.Name);   //获取文件后缀名

     if (xls_txt_Ext ='.xls')or(xls_txt_Ext ='.txt') then

     filelist.Add(SearchRec.Name);  //List.Add('Strings1');filelist添加

     found := FindNext(SearchRec);

//FindNext是寻找下一个 TSearchRec是一个文件信息的纪录

   end;

   FindClose(SearchRec);  //关闭SearchRec

 end;

 except

   showmessage('获取文件名失败!');

 end;

{//..................FindFirst使用介绍 ........................................

 FindFirst是用来寻找目标目录下的第一个文件,声明如下:

 Fucntion FindFirst(const Path:String;Attr:Integer;VarF:TSearchRec):Integer;

返回结果保存到F参数中,成功返回0,否则返回错误代码

参数Path:包含路径和搜索模糊文件名,包括通配符: './text/*.*'搜索test目录下的全部文件

参数Attr:指定文件属性类型

 faReadOnly:只读文件  faHidden:隐藏文件  faSysFile:系统文件  faVolumeID:卷标文件

 faDirectory:目录文件  faArchive:归档文件//压缩文件  faAnyFile:任何文件

 Attr可以通过组合使用faReadOnly+faSysFile

注意:  使用FindFist是要分配内存的使用完之后必须用FindClose关闭

}

//..............................分割线..........................................

 

//..........把filelist数组中的文件名转移给aFileName数组 ........................

 Setlength(aFileName,filelist.Count); // Setlength(数组名,大小)为动态函数分配大小

  forx:=0 to filelist.Count-1 do

 begin

   middle_vary := ChangeFileExt(ExtractFileName(filelist[x]),'');

   showmessage(filelist[x]+#13+middle_vary);     //测试语句

   aFileName[x] :=ChineseFileName(middle_vary);  //将文件名只留下汉字代码段

   showmessage(aFileName[x]);    //测试语句

 end;

 

//注:由于不确定是否能定义多个TStringlist类的对象,故将值用自定义的组数aFileName存储

//..............................分割线..........................................

 filelist.Free;     //释放filelist

end;

 

procedure TForm1.BitBtn2Click(Sender:TObject);

begin

  form2.showmodal;

end;

 

 

 

 

//..............将文件名只留下汉字代码段.......................................

FunctionChineseFileName(CFileName:string):string;

var

 middle_length,y: integer;

 middle_vary1:string;

begin

 middle_length := length(CFileName);

 y:=0;

 while(y<middle_length) do

 begin

  if(ByteType(CFileName,y) <> mbSingleByte) then

 begin

   middle_vary1 := middle_vary1+ copy(CFileName,y,2)+'';

//copy该函数用于从字符串中复制指定范围中的字符

   y:=y+2;

  end

 else

   y:=y+1;

 end;

 result:= middle_vary1;

end;

end.

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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