CA1704:标识符应正确拼写

CA1704:标识符应正确拼写

Visual Studio 2012
 
 
CA1704:IdentifiersShouldBeSpelledCorrectly

类型名

IdentifiersShouldBeSpelledCorrectly

CheckId

CA1704

类别

Microsoft.Naming

是否重大更改

原因
 

标识符的名称中包含一个或多个 Microsoft 拼写检查器库不能识别的单词。 此规则不检查构造函数或具有特殊名称的成员,例如 get 和 set 属性访问器。

此规则将标识符解析为标记并检查每个标记的拼写。 解析算法执行下列转换:

  • 一个新标记以大写字母开头。 例如,MyNameIsJoe 被解析为“My”、“Name”、“Is”和“Joe”标记。

  • 对于多个大写字母,最后一个大写字母开始一个新标记。 例如,GUIEditor 被解析为“GUI”和“Editor”标记。

  • 移除前导和尾随撇号。 例如,“'sender'”被解析为“sender”标记。

  • 下划线表示一个标记的结尾,并被移除。 例如,Hello_world 被解析为“Hello”和“world”标记。

  • 嵌入的与号将被移除。 例如,for&mat 被解析为“format”标记。

默认情况下,使用拼写检查器的英语 (en) 版本。 目前没有其他语言字典。

若要修复与此规则的冲突,请更正单词的拼写,或者将单词添加到名为 CustomDictionary.xml 的自定义字典中。 将该字典放在工具的安装目录、项目目录或者用户配置文件下与该工具关联的目录 (%USERPROFILE%\Application Data\...) 中。 若要了解如何在 Visual Studio 中将自定义词典添加到项目,请参阅如何:自定义代码分析字典

  • 将不应造成冲突的单词添加到 Dictionary/Words/Recognized 路径下。

  • 将应造成冲突的单词添加到 Dictionary/Words/Unrecognized 路径下。

  • 将应标记为已过时的单词添加到 Dictionary/Words/Deprecated 路径下。 有关更多信息,请参见相关的规则主题CA1726:使用首选词条

  • 将首字母缩写词大小写规则的异常添加到 Dictionary/Acronyms/CasingExceptions 路径下。

下面是自定义字典文件的结构示例。

 
  <Dictionary>
      <Words>
         <Unrecognized>
            <Word>cb</Word>
         </Unrecognized>
         <Recognized>
            <Word>stylesheet</Word>
            <Word>GotDotNet</Word>
         </Recognized>
         <Deprecated>
            <Term PreferredAlternate="EnterpriseServices">ComPlus</Term>
         </Deprecated>
      </Words>
      <Acronyms>
         <CasingExceptions>
            <Acronym>CJK</Acronym>
            <Acronym>Pi</Acronym>
         </CasingExceptions>
      </Acronyms>
   </Dictionary>

何时禁止显示警告

 

只有当单词是故意拼写错误并且单词适用于有限的库集合时,才可以禁止显示此规则发出的警告。 拼写正确的单词可以减少新软件库所需的学习曲线。

转载于:https://www.cnblogs.com/endv/articles/4209422.html

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。
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