失败了又失败啊！！初始化ActiveX!!!

boxter110 2005-03-23 11:26:34

在vb.net里调用了同事的一个vb6写的OCX，但是每次调用OCX公开的方法时都是出现：InvalidActiveXStateException ,MSDN上也没有说怎么初始化阿,我也NEW过了还不行啊！

闹鬼的是有时候能正常使用，有时候不能用！怎么办啊〉？

...全文

494 3 打赏收藏举报

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

boxter110 2005-03-24

打赏
举报

回复

我搞定了！用.net封装了一层就行了！

boxter110 2005-03-23

打赏
举报

回复

自己顶一顶！

amwicfai 2005-03-23

打赏
举报

回复

不行就用vb.net重写，帮你up

城市标识预制生态挡土墙图集垂直绿化和屋顶绿化居住区景观-绿色技术构造机械式立体停车库智能灯杆城市道路-林荫与景观工程

termux-app_v0.118.3+github-debug_arm64-v8a.apk是专为安卓arm64-v8a架构设备打造的开源终端模拟器安装包，为GitHub编译的debug调试版本，适配主流64位安卓手机、平板设备。该工具最大的核心优势是无需设备ROOT权限，即可在安卓系统中搭建完整且独立的轻量化Linux运行环境，打破移动端系统限制，为移动开发、远程运维、程序调试提供便携的终端工作场景，区别于普通正式版，该调试版本保留完整运行日志，适配开发调试场景。该软件内置专属Linux包管理体系，搭载pkg包管理器，支持在线安装Python、Git、SSH、编译工具链、网络工具等海量开源组件，完整复刻电脑端Linux常用命令操作，可直接在移动端执行代码编译、脚本运行、网络测试、文件处理等操作。软件采用独立沙盒目录运行，所有程序、配置文件均隔离存储，不会篡改、污染安卓原生系统文件，保障设备系统安全稳定。在实用功能上，软件支持双向SSH远程运维，既可作为客户端远程连接云服务器、本地主机完成运维工作，也可搭建本地服务端实现电脑反向连接移动端终端。同时支持自定义Shell脚本、自动化任务编写，能够实现文件批量处理、定时任务执行等功能，适配轻量化开发需求。适配手机本地存储读写，可自由调用设备本地文件，实现数据互通处理。本次arm64架构版本针对64位移动处理器深度优化，运行流畅、资源占用低，后台驻留稳定性更强。Debug调试版本可全程记录程序运行日志、报错信息，方便开发者排查程序异常、调试代码漏洞，是开发测试专用版本。该软件广泛应用于移动轻量开发、便携式服务器运维、网络环境调试等合法场景，是移动端高效的便携Linux终端工具。

本资源提供全国范围2026年水系（线+面）空间分布数据，系统整理全国范围内河流、沟渠、水道、湖泊、水库等水系要素，包含可编辑MXD工程文件、标准Shapefile矢量文件以及标准成图TIF文件，可用于水文地理、水资源管理、生态环境及自然灾害等相关研究。原始数据来源是Open Street Map（OSM），水系类型包括江、河、溪、水域、水库、河岸、河堤等等，可在shp文件属性表中自行查阅。数据包含水系线和水系面两类矢量数据。线状水系用于表达河流、沟渠及其他线性水体的空间位置和形态；面状水系用于表达湖泊、水库及其他具有一定面积的水体分布，可较直观地反映全国范围河湖水系的空间格局。标准Shapefile文件支持空间查询、属性编辑、长度与面积统计、河网密度分析、缓冲区分析及专题制图，可与行政区划、DEM、土地利用、人口、降水及灾害数据进行空间叠加。资源配套提供可编辑MXD工程文件，完成水系图层组织、符号配置、标注及地图版式设置，便于用户直接在ArcGIS中编辑和制图。该数据可广泛应用于全国范围水资源管理、河湖空间格局研究、洪涝灾害分析、生态环境评价、流域研究及国土空间规划等领域，可为区域水系特征分析及相关GIS空间研究提供基础数据支撑。同时提供标准成图TIF文件，可直接用于科研论文、项目报告、专题地图及教学展示。整体数据具有线面数据配套、空间分布直观、格式完整、GIS兼容性好等特点，可满足全国范围水系空间分析、专题制图及科研应用需求。

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）：[空(empty), 满(full), 半(half)] · 训练集：1884 张 · 验证集：531 张 · 测试集：271 张 · 总计：2686 张该数据集聚焦于农业收获与品质评估场景，专门针对谷物（如小麦、水稻等）穗部的填充状态进行精细化识别，其定位在于为智能农机装备提供高精度的视觉感知支持，助力实现田间作物成熟度的自动化判别与分级管理，具有显著的农业智能化应用价值。... 【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 78 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.8118** mAP50-95 | 0.4474 Precision | 0.7709 Recall | 0.7728 train/box_loss | 1.4578 train/cls_loss | 0.7399 val/box_loss | 1.4992 val/cls_loss | 0.7020 【训练过程分析】 78 轮训练后 mAP50 为 0.8118，模型基本收敛但还有提升余地。Loss 曲线下降正常，后期趋于平缓。mAP50-95 为 0.4474，和 mAP50 差距 0.36，定位精度是主要短板。【模型性能评估】 Precision 0.7709、Recall 0.7728，召回高于精度，存在一定误检。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】验证集预测效果一般，大部分目标能被检出，但存在部分漏检或框边缘贴合度不足的情况。【改进建议】 1...

16,718

社区成员

110,520

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