文件上传

<appSettings>
                <!--设置学生基本信息照片保存路径-->
<add key="STUPICTURE" value="~/sp/"/>
<!--设置网上报名照片保存路径-->
<add key="WEBPICTURE" value="~/zp/"/>
<!--设置附件路径-->
<add key="ATTACHPATH" value="~/attach/"/>
</appSettings>
public static readonly string pictureUrl = ConfigurationManager.AppSettings["WEBPICTURE"];  //网上报名照片存放址
public static readonly string StupictureUrl = ConfigurationManager.AppSettings["STUPICTURE"];  //学生基本信息照片存放地址
 
/// <summary>
        /// 上传图片事件
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        protected void btnSc_Click(object sender, EventArgs e)
        {
           
            if (this.fudSc.HasFile)//检查是否有文件
            {
                string fullFileName = this.fudSc.PostedFile.FileName;                              //文件路径名
                // string fileName = fullFileName.Substring(fullFileName.LastIndexOf("\\") + 1);  //图片名称       
                string type = fullFileName.Substring(fullFileName.LastIndexOf(".") + 1);          //图片格式
                string fileName = this.tbXh.Text.Trim() + "." + type;                                        //以报名号命名图片
                if (type == "jpg" || type == "JPG" )  //判断是否为图片类型
                {
                    if (this.fudSc.PostedFile.ContentLength > 20 * 1024)
                    {
                        Response.Write("<script>alert('上传图片必须小于20k!');</script>");
                    }
                    else
                    {
                        string path = HttpContext.Current.Request.MapPath(pictureUrl);//获取上传文件的网站目录路径
                        if (File.Exists(path + fileName))
                        {
                            this.imgPicture.Src = "";
                            File.Delete(path + fileName);
                        }
                        this.fudSc.SaveAs(path + fileName);//存储文件到磁盘
                        Response.Write("<script>alert('图片上传成功!');</script>");//提示
                        this.imgPicture.Src = "";
                        this.imgPicture.Src = pictureUrl + fileName;//显示图片
                    }

                }
                else
                {
                    Response.Write("<script>alert('非图片类型,不允许上传!');</script>");
                }
            }
            else
            {
                Response.Write("<script>alert('必须指定文件!');</script>");
            }

        }
/// <summary>
        /// 根据学号查询学生信息并进行初始化
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        protected void StudentQuery(object sender, EventArgs e)
        {
            StudentEntity studentEntity = studentBll.GetStudentByxh(this.tbXh.Text);
            if (studentEntity.Xh !="")
            {
                this.tbXm.Text = studentEntity.Xm;
                if (studentEntity.Xb == "男")
                    this.rbtnXb.SelectedValue = "男";
                else
                    this.rbtnXb.SelectedValue = "女";
                this.txtSfzh.Text = studentEntity.Sfzh;

                this.imgPicture.Src = "";
                string Webpath = HttpContext.Current.Request.MapPath(pictureUrl);                    //获取网上报名照片上传文件目录路径
                string Stupath = HttpContext.Current.Request.MapPath(StupictureUrl);                //获取学生基本信息照片目录路径
                string OrignFile = "", NewFile = "";
                OrignFile = Stupath + studentEntity.Zp.Trim();                                              //获取学生基本信息照片地址
                NewFile = Webpath + studentEntity.Zp.Trim();                                                    //确定网上报名信息照片地址
                if (File.Exists(NewFile) == true)                                                                  //判断电脑中是否存在照片
                {
                  //存在照片   
                    this.imgPicture.Src = pictureUrl  + studentEntity.Zp.Trim();                      //显示网上报名图片文件夹中的照片
                }
                else if(File .Exists (OrignFile )==true)                                           
                {
                   
                        File.Copy(OrignFile, NewFile, true);                        //拷贝照片
                        this.imgPicture.Src = "";
                        this.imgPicture.Src = pictureUrl + studentEntity.Zp.Trim(); 
                   
                }
             
           
                this.txtCollege.Text = studentEntity.Fy;
                this.txtBh.Text = studentEntity.Bh;
                this.txtXsid.Text = studentEntity.Xsid.ToString();
            }
            else
            {
                Response.Write("<script>alert('没有该学生信息');</script>");
                this.Reset();
            }

        }

转载于:https://www.cnblogs.com/hubcarl/archive/2009/03/15/1412729.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。
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