用C#实现的com组件dll，是真实的com的dll吗

demossk 2014-01-01 09:30:39

我用VC导入一个VC的com dll，没有问题
我用VC导入一个C#写的com dll，不行，说没有类型库信息。

难道C#写的com dll是个假的com，需要被.net 的interop翻译成真的com组件调用? 是这样的吗?

谢谢。

...全文

206 2 打赏收藏举报

写回复

用AI写文章

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

gomoku 2014-01-01

打赏
举报

也不是所有的“VC的com dll”都可以直接导入。关键是dll是否内嵌了tlb类型库信息（既那个Type Library）。 “C#的com dll”可以生成.tlb文件，并被VC导入。生成tlb的一种方法是用命令行工具： regasm.exe /tlb

以专业开发人员为伍 2014-01-01

打赏
举报

是这样的，直接在注册时自动生成tlb文件。 c调用你的COM组件，需要tlb文件，这说明c比较麻烦。

通过JAVA调用C#的DLL文件实现。网上资料很多，自己整合总结了一下，做个备忘。一、C#写com组件开发环境 VS2013 1、新建工程:TestDemo //根据自己需要取工程名注：VS必须以管理员身份启动！！！！！ 2、右键点击工程->应用程序->程序集信息->使程序集com可见，打上勾注：1.创建工

成功注册了导出到“SMUtilMed\bin\Debug\smutilmed.tlb”的程序集和类型库。查找regasm.exe，一般在.net的目录下，可以直接拷拷贝到生成DLL的目录，方便操作。运行 regasm /tlb:smutilmed.tlb smutilmed.dll。可以选择Create Unit，只生成单元文件并引入项目内，不用安装元件到面板上。运行 gacutil.exe gacutil -I XXXX.dll。生成的引入文件内，应该有对应的方法，如果没有，请检查C#内的各项定义。

下面小编就为大家带来一篇Python调用C# Com dll组件实战教程。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧之前公司有套C# AES加解密方案，但是方案加密用的是Rijndael类，而非AES的四种模式(ECB、CBC、CFB、OFB，这四种用的是RijndaelManaged类)，Python下Crypto库AES也只有这四种模式，进而Python下无法...

Com组件和dll区别： 1.普通dll不能通过regsvr32.exe来注册，而Com组件能通过regsvr32.exe注册。 2.Com组件是微软的一个协议，满足com组件协议的dll文件就是com组件，这种协议为了跨语言、跨平台使用，dll组件需要编译后使用，而Com组件注册后即可使用。而dll是动态链接库，是一个可以导出函数的集合。 3.Com组件可以是exe也可以是dll文件。托管dll/Com组件和非托管dll/Com组件： 1.非托管Com组件是用非运行库代码编写的，如C++，

数据集可视化效果可参见下方展示。【数据集概况】 · 检测类别（中文）：[弯腰(bending), 躺卧(down), 站立(up)] · 训练集：3240 张 · 验证集：0 张 · 测试集：210 张 · 总计：3450 张该数据集聚焦于室内居住环境下的人员行为状态识别，通过多角度、多时段的图像采集，全面覆盖了日常生活中常见的身体姿态变化。数据集中包含多种典型动作场景，如站立、弯腰和躺卧等，能够有效支持对个体活动状态的精准判断，适用于智能安防、健康监护及居家行为分析等高价值应用领域。... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 100 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9740** mAP50-95 | 0.8780 Precision | 0.9537 Recall | 0.9434 train/box_loss | 0.3695 train/cls_loss | 0.1506 val/box_loss | 0.4416 val/cls_loss | 0.2860 【训练过程分析】 100 轮训练后 mAP50 达到 0.9740，模型收敛良好。Loss 曲线前段快速下降，后段趋于平稳，val_loss 无反弹，没有明显过拟合。mAP50-95 为 0.8780，和 mAP50 差距仅 0.10，框的定位精度也很扎实。【模型性能评估】 Precision 0.9537、Recall 0.9434，精召双高，模型对弯腰、躺卧、站立的检测能力强。多类检测中，不同类别性能可能有差异，需关注难例类别的表现。【预测效果展示...

111,128

社区成员

642,534

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧

+ 用AI写文章