社区
网络及通讯开发
帖子详情
IDFTP->List()之后,如何把结果在TStringGrid中显示出来,在网上搜遍了也没找到答案
telescope
2006-07-18 01:27:14
IDFTP->List()之后,如何把结果在TStringGrid中显示出来,请以代码说明,说清楚的给分。
...全文
211
2
打赏
收藏
IDFTP->List()之后,如何把结果在TStringGrid中显示出来,在网上搜遍了也没找到答案
IDFTP->List()之后,如何把结果在TStringGrid中显示出来,请以代码说明,说清楚的给分。
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
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
打赏红包
jaffy
2006-07-19
打赏
举报
回复
//如果有连接则关闭
if(IdFTP->Connected())IdFTP->Disconnect();
try
{
IdFTP->Connect();
}
catch(...)
{
return;
}
IdFTP->List(FTPFileList->Items,"*.*",true);
String FileSize,FileDate,FileName,Temp;
//文件大小(1~12)//修改日期(14~25)//文件名(26~末尾)
for(int i=0;i<FTPFileList->Items->Count;i++)
{
Temp=MidStr(FTPFileList->Items->Strings[i],30,FTPFileList->Items->Strings[i].Length());
FileSize = MidStr(Temp,1,12).Trim();
FileDate = MidStr(Temp,14,12).Trim();
FileName = MidStr(Temp,26,Temp.Length()).Trim();
FTPFileList->Items->Strings[i]= FileName + " | " + FileDate + " | " + FileSize;
}
Andrionda
2006-07-19
打赏
举报
回复
GZ...帮你顶下
pytorch 扩充Tensor的维度
dataloader读进来的数据标签是torch.Size([n]),需要和数据做torch.cat操作,要保持两者的维度一致,变成torch.Size([n, 1]) 代码举例import torch import numpy as np label = torch.randperm(5) print(label) # tensor([1, 3, 0, 4, 2]) print(label...
pytorch
中
对tensor操作:分片、索引、压缩、扩充、交换维度、拼接、切割、变形
pytorch
中
对tensor的分片、索引操作根据维度提取子集 根据维度提取子集 原始数据情况 import torch a = torch.tensor([[1,2,3,4],[5,6,7,8],[9,10,11,12]], dtype=float) print(a) #原始数据情况 #下面#开头的是输出 #tensor([[ 1., 2., 3., 4.], # [ 5., 6., 7., 8.], # [ 9., 10., 11., 12.]], dtype
pytorch,通过插入None对tensor进行维度扩充
背景 pytorch已经有了unsqueeze操作来增加tensor的维度,除了这个可以使用一个更
显示
,更直观,更简单的方法 -> 插入None来伪装一个axis 具体方法 import torch x = torch.randn(8) print(x.shape) # torch.Size([8]) 1 在所有维度之前插入一个维度 x = torch.randn(8) x = x[None, :] print(x.shape) # torch.Size([1, 8]) 2 一次性插入多个维度
pytorch tensor 扩充一个维度,避免使用unsqueeze()
避免使用Ps.unsqueeze(),尺度扩充后可以直接进行计算,无需多一行操作。(算是个trick?pytorch 将tensor膨胀出一个额外的维度(unsqueeze()的功能)在需要膨胀(本来不存在的维度上)用。
torch tensor张量 扩充维度 复制维度 expand repeat 深拷贝 浅拷贝 问题探析, 对tensor的广播计算, 高维度tensor 与 低维度tensor的兼容
expand 扩充维度的作用 import torch a = torch.ones([1,1,2,3]) b = a.expand( [1,2,2,3]) print(a,'\n',b) a += 2 print(a,'\n',b) output: a tensor([[[[1., 1., 1.], [1., 1., 1.]]]]) b tensor([[[[1., 1., 1.], [1., 1., 1.]], [[1., 1., 1
网络及通讯开发
1,317
社区成员
8,874
社区内容
发帖
与我相关
我的任务
网络及通讯开发
C++ Builder 网络及通讯开发
复制链接
扫一扫
分享
社区描述
C++ Builder 网络及通讯开发
社区管理员
加入社区
获取链接或二维码
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