安装、配置 Eclipse 3.4 + Descent 0.53 0823

到目前位置( 0.5.5.090524 )大概还不支持druntime的版本(2.020及以后)。09.05.27

新增:Shortcuts (9/25)

新增:格式化配置:(9/8 更新)

Eclipse 3.4我用的是sdk那个包。另一个小点的包中文没有装上。
Eclipse 中文安装地址:[url]http://download.eclipse.org/technology/babel/update-site/ganymede[/url]

Descent下载地址:[url]http://downloads.dsource.org/projects/descent/[/url]
现在最新的是0902

第一次安装Descent:将包中东西复制到 Eclipse 对应目录下就可。

启动 Eclipse,在菜单 文件---新建----其他下就能看到下图说明安装成功。
图1:
[img]http://dolive.iteye.com/upload/picture/pic/21185/94e923df-cda8-36d2-b66a-33f49595ea0d.bmp[/img]

配置:
安装dmd:菜单----窗口----首先项:然后按图示操作:
编译器系统类库中,第一项 phobos 是自动生成的,其它的自己添加。
图2
[img]http://dolive.iteye.com/upload/picture/pic/21181/4532e610-ffc2-3615-8b17-31e661fd309b.bmp[/img]

上图确认退出后见下图:(记得勾上)
图3:
[img]http://dolive.iteye.com/upload/picture/pic/21183/abba4b9d-30bf-3150-9eda-c818d6fef995.bmp[/img]

配置dmd:(见下图)
图4:
[img]http://dolive.iteye.com/upload/picture/pic/21179/af4edd15-2754-3ce8-a1a8-c7c66cc0943c.bmp[/img]


配置debug:
[img]http://dolive.iteye.com/upload/picture/pic/21177/cf8b47ec-37d7-3f7a-8469-282c09f4c390.bmp[/img]

配置拼写检查:
[img]http://dolive.iteye.com/upload/picture/pic/21195/2b04bbe2-4ec3-3fb2-abff-502d835a1883.bmp[/img]

配置注释:
[img]http://dolive.iteye.com/upload/picture/pic/21193/ce9a04c3-82f2-362b-8693-d9fe2cf57a2c.bmp[/img]
把文本选项去掉,不然会乱报错,注释里全是红色下划线。

至此配置就基本完成了,编译配置后面再说。


新建项目、新建文件都很简单,只要输入文件名就可,就不细说了。

建好之后就可以开始体验编辑功能了,简要贴几幅图,更细的功能自己慢慢体会:

输入mo然后按alt + / 键,出现下图:(哪些有黄色的提示框出现还没找到规律)
[img]http://dolive.iteye.com/upload/picture/pic/21191/1afcbc6c-c252-3f1d-8f95-c99fa0f06542.bmp[/img]

输入df 然后按alt + / 键,就有了我们要导入的东西:
[img]http://dolive.iteye.com/upload/picture/pic/21189/6b9be8e1-80a4-37f6-a6ac-bca4866a08f1.bmp[/img]


main函数的输入:
[img]http://dolive.iteye.com/upload/picture/pic/21187/8647e8f2-21fc-3ab0-a560-5a30ff9dd51b.bmp[/img]


[img]http://dolive.iteye.com/upload/picture/pic/21211/b54db0bd-2b48-3762-b8d8-5a09367a1218.bmp[/img]


编译配置:
用dfl.exe 编译:
从下图开始:
[img]http://dolive.iteye.com/upload/picture/pic/21209/e7cdb110-3c32-3d19-919c-9a2dab386f55.bmp[/img]

点程序---右键---新建:
[img]http://dolive.iteye.com/upload/picture/pic/21203/d2b7297c-0dd3-32c6-9548-03d64071b201.bmp[/img]
前后两项需要手工输入,中间一项从变量中选择,每项之间有一个空格。

[img]http://dolive.iteye.com/upload/picture/pic/21207/3c3ce775-b690-395e-98b4-2c12828e490b.bmp[/img]
勾选这一项就能看到下图的内容

[img]http://dolive.iteye.com/upload/picture/pic/21205/88b70128-dfbf-333c-b5dc-af64034002c7.bmp[/img]

文件编辑好后,点击 dfl编译,会多出三个文件,执行exe文件就看到了你要的结果。

以上在自己机器上试验成功(dmd2.018 + dflsvn 2.017),更多的以后再更新。(图太多了,写起来很费劲)


格式化配置:(9/8 更新)

语法配色
[img]http://dolive.iteye.com/upload/picture/pic/21581/25aed423-7ef4-3c59-aaf9-2ef0f904c5d1.bmp[/img]


外观颜色
[img]http://dolive.iteye.com/upload/picture/pic/21579/9e0658eb-8ae8-3e10-bca9-d04e967f4b4a.bmp[/img]


外观结构
[img]http://dolive.iteye.com/upload/picture/pic/21577/5386095e-1e56-3cda-a688-51a437ff3e93.bmp[/img]


代码模板生成 (选 format-----edit,可编辑 代码模板格式(括号、结构)图 )
[img]http://dolive.iteye.com/upload/picture/pic/21575/232eb830-7e3d-3631-a55a-97364edb75df.bmp[/img]


代码模板格式
[img]http://dolive.iteye.com/upload/picture/pic/21573/80d537e8-9851-35aa-91fa-d866dd3faaae.bmp[/img]


代码模板格式(括号、结构)
[img]http://dolive.iteye.com/upload/picture/pic/21585/3bc1a26b-3dc2-31ad-bed3-f3de38f77035.bmp[/img]


代码模板格式(括号、结构-2)
[img]http://dolive.iteye.com/upload/picture/pic/21597/f3fb997d-47af-3b0f-85c2-096afac3a62d.bmp[/img]


编码及中文配置
[img]http://dolive.iteye.com/upload/picture/pic/21717/71040ace-6a2b-3d0c-9bc5-d680e3f0fb96.bmp[/img]
如此设置之后,含有中文字符就能正常编译了。


Shortcuts ¶

* Ctrl + Shift + F: format source file.
* Ctrl + I: correct indentation.
* Ctrl + O: quick outline.
* Ctrl + E: shows list of open editors.
* Ctrl + Shift + T: open type.
* Ctrl + Shift + R: open resource.
* Ctrl + /: comment lines.
* Ctrl + Shift + /: comment block
* Ctrl + Shift + \: remove block comment
* Ctrl + space: autocomplete.
* Ctrl + 2, R: rename localy.
* F3: go to definition.
* Alt + Left/Right: next/previous position in editor.
* Ctrl + Q: go to last edit location
* Ctrl + Shift + P: go to matching bracket
* Ctrl + L: go to line
* Crtl + Shift + Up: go to previous member
* Ctrl + Shift + Down: go to next member
* F2: show tooltip description

Hovers ¶

* Hover on element: shows it's ddoc, or, if missing, tries to evaluate.
* Hover on element while holding shift: shows the source code of the element.
* Hover on element while holding ctrl and shift: tries to evaluate.
* Hover on element while holding ctrl, then clicking: go to definition.

Autocompletion in code ¶

* On empty space: shows symbols reachable through the current module's imports.
* Writing a name: shows all matching types, functions and variables.
* In between a name: shows all matching symbols, allowing to overrite the current one holding the control key.
* Writing a name inside a with(...) { } block: shows also members of the with symbol.
* After a type name: shows constructors and static opCalls.
* After a variable name: shows opCalls if the variable is a class or struct, or shows invocations if the variable is a function pointer or delegate.
* After a dot after a type name, call, this or super: shows members excluding op* methods.
* After "op" after a dot after a type name, call, this or super: shows op* methods.
* After the case keyword: shows possible enums values, if switching over an enum.
* Before an argument of a function call: show parameters and overloads.
* After goto, break and continue: shows possible target labels.
* Inside a version(): shows versions.
* Inside a debug(): shows debugs.
* In a function argument name: suggest possible names.
* After a type: show possible names to make a variable declaration.

Autocompletion in ddoc ¶

* Writing $ (optionally followed by a name) or pressing ctrl+space: shows macros.
* Writing a name or pressing ctrl+space at the start of the line: shows standard ddoc sections and macros.

Keyword proposals are also shown, according to the context in which you are writing.
Other tips ¶

* When completing a method that can be treated as a setter, if you press '=', then it will be autocompleted as a setter. Else, it will be autocompleted as a method.
* Go to definition also works in comments for top-level types and functions.
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。
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。
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。
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。
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。 、资源5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。 、资源5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