[Batch]启动多个Chrome浏览器在不同窗体显示不同页面

需要以全屏方式启动Chrome,存在多屏幕的可能,每个屏幕都以全屏方式在不同窗体显示不同页面。

 

 Chrome部分参数说明:
 --window-position 窗体位置(X,Y)
 --user-data-dir 用户数据保存路径,确保不同Chrome程序使用不同的路径,否则所有的Chrome程序的窗体位置和大小会与第一个保持一致
 --disable-gpu 禁用GPU加速,可根据实际情况选择是否开启。开启时,有可能闪现黑屏。
 --kiosk 全屏模式
 --disable-desktop-notifications 禁止桌面通知
 --no-first-run 非首次运行(避免一些首次运行提示)
 --disable-popup-blocking 禁用阻止弹窗
 --no-default-browser-check 禁用默认浏览器检查
 --incognito 匿名模式(启动时不会有缓存问题)

 

@echo off
cd /d %~dp0
title Chrome
tasklist|find /i "chrome.exe" ||goto startRun
taskkill /im chrome.exe /f
goto startRun

:startRun

@set frontPageUrl=http://www.baidu.com
@set frontPagePositionX=0
@set frontPagePositionY=0
@set backgroundPageUrl=http://www.bing.com
@set backgroundPagePositionX=1024
@set backgroundPagePositionY=0

start chrome.exe %frontPageUrl% --window-position=%frontPagePositionX%,%frontPagePositionY% --user-data-dir="C:/temp/Chrome/1" --disable-gpu --kiosk --disable-desktop-notifications --no-first-run --disable-popup-blocking  --no-default-browser-check --incognito

start chrome.exe %backgroundPageUrl% --window-position=%backgroundPagePositionX%,%backgroundPagePositionY% --user-data-dir="C:/temp/Chrome/2" --disable-gpu --kiosk --disable-desktop-notifications --no-first-run --disable-popup-blocking  --no-default-browser-check --incognito
:end

运行后会以全屏方式显示百度和必应页面,如果存在多屏且主屏分辨率是1024*768,则必应页面显示在第二个界面(如果调整了多屏设置,可能显示的会不一样)。

关键参数:
user-data-dir,启动多个Chrome时如果没有此参数或者参数值一样,Chrome会将多个页面以多标签的方式放在一个窗体里。
kiosk,全屏显示,适合自助终端显示页面(高版本Chrome好像已经屏蔽了右键和F12)

除了kiosk模式外,Chrome还有一个应用模式,参数是“--app”。例如

start chrome.exe --app=http://www.baidu.com

完整参数可以查看:https://peter.sh/experiments/chromium-command-line-switches/

关于全屏效果已经在XP(Chrome 35)、Win7、Win10上测试。

不知道谁可以解答下“--single-process”参数,加上这个参数后,只有一个Chrome进程,但是不知道为什么界面没有显示。网上有人说这个参数已经失效,新版本不支持。

 

 

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
使用 PyTorch 来同时加载三个不同 `batch_size` 的 `DataLoader`,你可以使用 `zip_longest` 函数来迭代不同的 `DataLoader`,并使用一个默认值来填充不足的数据。具地,你可以定义一个 `collate_fn` 函数,该函数使用 `zip_longest` 函数来迭代不同的 `DataLoader`,并使用 `None` 值来填充不足的数据。然后,你可以在循环中移除 `None` 值,并将数据转换为 PyTorch 张量。 以下是一个示例代码: ```python from itertools import zip_longest import torch from torch.utils.data import DataLoader # 定义三个 DataLoader dataloader1 = DataLoader(dataset1, batch_size=batch_size1, shuffle=True) dataloader2 = DataLoader(dataset2, batch_size=batch_size2, shuffle=True) dataloader3 = DataLoader(dataset3, batch_size=batch_size3, shuffle=True) # 定义 collate_fn 函数 def collate_fn(batch): # 使用 zip_longest 迭代不同的 DataLoader zipped = zip_longest(*batch, fillvalue=None) # 移除 None 值,并将数据转换为 PyTorch 张量 inputs = tuple(torch.stack([torch.Tensor(item) for item in items if item is not None]) for items in zipped) return inputs # 创建合并后的 DataLoader dataloader = DataLoader( dataset=None, batch_size=batch_size1 + batch_size2 + batch_size3, shuffle=True, collate_fn=collate_fn, pin_memory=True ) # 在训练循环中使用 dataloader for batch in dataloader: # 分别获取三个不同 batch_size 的数据 inputs1 = batch[0][:batch_size1] inputs2 = batch[1][batch_size1:batch_size1+batch_size2] inputs3 = batch[2][batch_size1+batch_size2:] ... ``` 在上面的代码中,`collate_fn` 函数接收一个由三个 `DataLoader` 的样本组成的列表,并使用 `zip_longest` 函数来迭代不同的 `DataLoader`,并使用 `None` 值来填充不足的数据。然后,它将数据转换为 PyTorch 张量,并返回一个元组,其中每个元素都是一个张量,表示来自不同 `DataLoader` 的数据。在训练循环中,你可以使用 PyTorch 的切片操作来分别获取三个不同 `batch_size` 的数据。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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