怎样获得服务器返回错误信息？

sasagun 2004-12-27 09:34:46

我在catch{}里面怎么样获得返回的错误信息?

...全文

96 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

jasmine428 2005-02-21

打赏
举报

回复

UP

seesea125 2004-12-27

打赏
举报

回复

catch(Exception ex)
{
Response.Write(ex);
}

wj2929 2004-12-27

打赏
举报

回复

try
{
}
catch(Exception ex)
{
string err=ex.Message;
}

基于阿里巴巴优酷视频增强与超分辨率挑战赛的深度学习解决方案_采用PyTorch框架实现多种超分辨率模型结合FFmpeg进行高效视频分帧与合成处理_旨在通过先进的神经网络架构如ESP.zip

Quartus II 11.0安装包以及安装教程

1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

内容概要：本文探讨了智能体开发在计算机竞赛中的实际应用，涵盖从算法博弈到自动解题Agent的技术实现路径。文章系统介绍了智能体的核心概念及其在OI/ICPC等竞赛场景下的关键技术，包括状态空间建模、奖励塑形、课程学习与代码生成沙箱等方法，并通过“重力迷宫最短路径”这一典型题目展示了从传统BFS算法到基于A3C深度强化学习智能体的演进过程。项目实现了在局部观测环境下智能体的自主决策，并结合课程学习提升训练稳定性，最终通过模型蒸馏、fallback机制和评测对接实现竞赛落地。此外，文章展望了神经符号系统融合、大模型微调与多智能体对练等未来发展方向。; 适合人群：具备一定算法基础和编程经验，熟悉机器学习基本概念，参与或准备参与算法竞赛（如NOI、ICPC、IOI）的学生与开发者。; 使用场景及目标：①将强化学习应用于传统算法题的自动化求解；②在交互题、构造题、博弈题中构建高效智能体以突破人工解题局限；③实现智能体与竞赛评测系统的无缝集成；④探索AI在算法竞赛中的前沿应用趋势。; 阅读建议：建议结合代码实例搭建实验环境，逐步复现从BFS到A3C的演化过程，重点关注状态设计、奖励函数构建与课程学习策略，并尝试将文中技术迁移至其他竞赛题型进行拓展实践。

基于YOLO和DeepSORT的实时违停检测系统源码+文档说明资料（毕设课设作品）.zip 一个基于计算机视觉的非法停车检测系统。项目利用YOLO实时目标检测和Deep SORT多目标跟踪技术，监控视频流中的车辆，识别进入禁停区的车辆，并为每辆车分配唯一ID进行持续跟踪。当车辆在禁停区停留超过设定时间阈值时，系统将其标记为非法停车。该解决方案可保存违规事件的详细信息（包括车辆ID、时间戳和图像），适用于停车场、商场、政府管制区域等自动化监控场景。主要功能实时车辆检测和识别（基于YOLO）多车辆跨帧持续跟踪（基于Deep SORT）禁停区域监控和违规判定自动化违规事件记录和证据保存支持JSON日志和JPEG图像输出技术栈 YOLO（You Only Look Once）- 实时目标检测 Deep SORT - 多目标跟踪算法 Python - 主要编程语言计算机视觉和视频处理

62,256

社区成员

668,982

社区内容

发帖

与我相关

我的任务

javascript云原生企业社区

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

.NET 社区是一个围绕开源 .NET 的开放、热情、创新、包容的技术社区。社区致力于为广大 .NET 爱好者提供一个良好的知识共享、协同互助的 .NET 技术交流环境。我们尊重不同意见，支持健康理性的辩论和互动，反对歧视和攻击。

希望和大家一起共同营造一个活跃、友好的社区氛围。

试试用AI创作助手写篇文章吧

+ 用AI写文章