VS2017的版本15.3为什么不支持开发ATL控件了

牧童吃五谷 2017-08-20 11:15:52

如题，VS2017刚发不得版本15.0还可以开发ATL控件的，现在升级到15.3后，居然没有这个功能了，大家发现这个问题吗？

...全文

2548 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

weixin_44685165 2019-08-22

打赏
举报

回复

用VS2019吧。

牧童吃五谷 2018-01-09

打赏
举报

回复

已经完成解决了，因为最新版本的VS2017已经改正了这个错误了

Achilles 2017-09-18

打赏
举报

回复

微软的下一步战略是universal app(based ucrt)。So，现在正在组件弱化mfc atl com这些东西

赵4老师 2017-08-21

打赏
举报

回复

回退

盲目升级是码农之殇！

牧童吃五谷 2017-08-21

打赏
举报

回复

现在升级了VS2017的15.3版本了，现在无法开发ATL控件了，怎么办啊？？？？？

一套开箱即用的Windows MFC Excel交互工程，基于VS2010开发，无需额外安装Office即可通过COM自动化读写.xlsx文件。程序MyExcel.exe能将ListCtrl中的表格数据一键导出到Template.xlsx模板，也支持从已有Excel文件（含多个实测时间戳生成的.xlsx）读取内容并回填至界面控件。工程包含完整源码结构：.sln解决方案、.vcxproj项目文件、excel9.h/Excel14.h头文件、资源文件及调试符号（.pdb/.ilk），所有接口调用均封装为C++类

WTL（Windows Template Library）是一种基于ATL的轻量级C++ GUI框架，其核心原理是通过CRTP模板模式实现零虚函数、零运行时开销的窗口抽象，避免MFC的内存膨胀与消息映射性能损耗。在资源严苛的嵌入式场景中，WTL凭借静态链接、无DLL依赖、极小二进制体积（典型EXE仅180–240KB）和对WinCE/GWES子系统的深度适配，成为工业HMI、手持终端等长生命周期设备的关键UI方案。它支撑-20℃~60℃宽温运行、4MB堆限制、GDI句柄硬约束及实时响应（<150ms）等刚性

图像直方图是数字图像处理中的基础分析工具，它通过统计图像中各灰度级的像素数量分布，直观反映图像的亮度、对比度等关键特征。其原理在于将图像数据映射为统计图表，为图像增强、分割等高级操作提供量化依据。在工程实践中，掌握直方图计算与可视化技术，对于深入理解图像特性、进行算法调试与效果评估具有重要价值。特别是在Windows桌面应用开发场景中，结合VC++与OpenCV库，可以实现从图像读取、灰度转换、直方图统计到图形界面集成的完整链路。本文以**灰度直方图**和**OpenCV配置**为核心，详细解析如何在Vis

内容概要：本文聚焦于高维多阶段随机规划问题，深入研究了正则化分解方法与马尔可夫过程在刻画不确定性动态演化中的应用，并提供了完整的Python代码实现。通过引入正则化技术有效降低了高维随机优化问题的计算复杂度，结合马尔可夫链建模多阶段决策过程中的不确定性传播机制，提升了模型在复杂动态环境下的求解效率与鲁棒性。研究涵盖了问题建模、算法设计、数值求解及结果分析全过程，具有较强的理论深度与工程实践价值；适合人群：具备一定运筹学、优化理论基础及Python编程能力，从事智能决策、人工智能、能源系统优化、金融工程等相关领域的科研人员、高校研究生以及工业界研发工程师；使用场景及目标：①应用于电力系统调度、供应链管理、金融资产配置等存在多阶段不确定性的复杂决策场景；②掌握高维随机规划的建模思路与高效求解技术，深入理解正则化方法与马尔可夫过程在实际优化算法中的融合机制与实现路径；阅读建议：建议结合提供的Python代码进行动手实践，重点关注算法实现细节、参数敏感性分析与收敛性验证，鼓励在不同应用场景中迁移和改进该方法，进一步探索其在分布鲁棒优化、动态规划等前沿方向的扩展潜力。

内容概要：本文系统介绍了一种基于图论的非参数聚类分析方法，并提供了完整的Matlab代码实现。该方法通过构建数据点间的图结构，利用图论中的连通性和路径特性进行聚类划分，无需预先设定聚类数目，具有较强的自适应能力。文章重点阐述了算法的核心思想、数学建模过程及关键步骤的编程实现，展示了其在复杂分布数据上的聚类效果，突出了在处理非球形、不规则簇结构时相较于传统聚类算法的优势，有助于读者深入理解图论在无监督学习中的应用机制。; 适合人群：具备一定数学基础和Matlab编程能力，从事数据分析、模式识别、机器学习或相关工程研究的研究生及科研人员。; 使用场景及目标：①学习图论在聚类分析中的具体应用原理与实现技巧；②掌握非参数聚类算法的设计思路与代码实现方法；③应用于科研项目中对复杂、未知结构数据的无监督分类任务；④作为算法原型进行二次开发或与其他模型融合创新；阅读建议：建议读者结合提供的Matlab代码逐行调试，通过调整参数（如邻接阈值、相似度度量方式）观察聚类结果变化，深入理解算法行为，并尝试将其应用于自身研究领域的实际数据集中，以提升理论与实践结合的能力。

3,248

社区成员

48,530

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

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章