在VS中使用独立的项目(Project)开发DNN模块

在DotNetNuke 发布的 04.09.01 StartKit中,已经同时包含了VB.NET和C#的DNN模块。可以参考我的文章:DNN 04.09.01 StartKit中的新内容。

下载DotNetNuke C# Compiled Module Starter Kit for DNN 4.x

image

BiteTheBullet.co.uk下载DotNetNuke C# Compiled Module Starter Kit for DNN 4.x。

这是一个使用WAP建立的DNN模块模板,可以安装到你的VS 中去。

如果你问什么是WAP,你Google一下吧。

 

 

下载的网页:http://www.bitethebullet.co.uk/DNN4CTemplate/tabid/79/Default.aspx

如何使用

1,安装下载的模板

Installing the c# module starter kit

2,安装了模板后,启动Visual Studio 2005,这是会有一个新的模板在Web模板分类中显示出来。选择这个模板并创建一个新的项目。注意:你一定要在DNN网站的Desktop目录下创建这个项目,并且去掉“为项目创建目录”的选项。

image 

3,之后就会在这个目录创建的一个项目(Project)

VS2005 Solution Explorer

4,根据项目的名称编辑新建项目的namespace和Assembly name,之后你就可以开始编译这个项目了。

Project properties

 

编译生成的DLL文件会自动放在DNN网站的bin目录

DLL outputted into the BIN folder

 

5, 使用Host帐户登录,到Host -> Module Definitions,选择Import Module Definition

image

在导入Manifest文件的下拉列表中选择刚创建模块的并且点击“安装(install)”

image

 

6,接着安装SQL Script,使用host登录,选择 Host->Sql, 打开01.00.00.SqlDataProvider文件,拷贝里面的文本,粘贴到到SQL 的文本框里面,勾选“Run as Script”,点击“执行”

Execute the Sql in DotNetNuke

 

7,到这里就可以尝试把新创建的模块插入到页面了。

Module in action

 

到这里,你就创建了一个独立项目的DNN模块。

我使用VB.NET

什么,你说你是使用VB.NET的?没问题,DotNetNuke官方的StartKit里面就包含了VB.NET的模板。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用OpenCV的dnn模块,需要以下步骤: 1. 下载模型文件:dnn模块支持多种深度学习框架的模型文件,如Caffe、TensorFlow、Darknet等。需要先下载对应的模型文件和权重文件。 2. 加载模型:使用cv2.dnn.readNetFrom*()函数加载模型文件和权重文件,生成模型对象。 3. 预处理图像:将需要进行预测的图像进行预处理,如缩放、归一化等操作。 4. 进行预测:使用模型对象的forward()函数进行预测,得到预测结果。 5. 后处理结果:对预测结果进行解析和后处理,如获取预测类别、置信度等信息。 示例代码如下: ```python import cv2 # 下载模型文件 model_file = 'model.prototxt' weight_file = 'model.caffemodel' # 加载模型 net = cv2.dnn.readNetFromCaffe(model_file, weight_file) # 加载图像并进行预处理 image = cv2.imread('image.jpg') blob = cv2.dnn.blobFromImage(image, scalefactor=1.0/255, size=(224, 224), mean=(0, 0, 0), swapRB=True, crop=False) # 进行预测 net.setInput(blob) output = net.forward() # 解析预测结果 classes = ['cat', 'dog', 'bird'] class_id = output.argmax() class_name = classes[class_id] confidence = output[0, class_id] # 显示预测结果 cv2.putText(image, f'{class_name}: {confidence:.2f}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow('image', image) cv2.waitKey() cv2.destroyAllWindows() ``` 以上代码使用Caffe模型进行图像分类预测,预测结果为类别名称和置信度。其他深度学习框架的模型使用类似,只需要更改模型文件和权重文件的加载方式。

“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
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