错误应用程序名称 w3wp.exe 错误模块名称 KERNELBASE.dll

错误应用程序名称: w3wp.exe,版本: 8.5.9600.16384,时间戳: 0x5215df96
错误模块名称: KERNELBASE.dll,版本: 6.3.9600.16384,时间戳: 0x5215fa76
异常代码: 0xe0434352
错误偏移量: 0x0000000000008384
错误进程 ID: 0xe88
错误应用程序启动时间: 0x01d36f26fded9054
错误应用程序路径: c:\windows\system32\inetsrv\w3wp.exe
错误模块路径: C:\Windows\system32\KERNELBASE.dll
报告 ID: 0222d75d-db1c-11e7-80c4-509a4c625d25
错误程序包全名:
错误程序包相对应用程序 ID:

想知道这样的错误,该如何找到错误的原因呢?

1个回答

这个我也遇到过。我有几台阿里云的机器,有一台机器经常报这个问题。在网上也找了很久,都没有解决,最后把系统重装一下就好了。

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
C# KERNELBASE.dll报错看内容
C#写的应用程序,在本机正常,32位,但是在一个64位的电脑上没有办法运行,后来我在另一个64位上运行也是好的;我已知道是哪个dll有问题了,((System.ComponentModel.ISupportInitialize)(this.A)).EndInit();时出的错。A为A.dll,但是为什么其他2台是可以运行而只有那个不可以。还有在事件查看器windows日志中却看到是KERNELBASE.dll报错 :错误应用程序名称:A.exe,版本: 1.1.0.4,时间戳: 0x5666781c 错误模块名称: KERNELBASE.dll,版本: 6.1.7601.19018,时间戳: 0x5609fed4 异常代码: 0xe0434352 错误偏移量: 0x0000c42但是这台电脑上另一个也调用KERNELBASE.dll的应用程序又是能正常运行的,什么设置用户管理员权限啊什么助手恢复是没有什么用的,请问怎么解决?
visual studio2012 直接运行控制台程序打不开cmd.exe
就最简单的win32控制台程序,调试时可以打开,但是会报这些: “ConsoleApplication1.exe”(Win32): 已加载“E:\VSProjects\ConsoleApplication1\Debug\ConsoleApplication1.exe”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\SysWOW64\ntdll.dll”。无法查找或打开 PDB 文件。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\SysWOW64\kernel32.dll”。无法查找或打开 PDB 文件。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\SysWOW64\KernelBase.dll”。无法查找或打开 PDB 文件。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\SysWOW64\msvcr110d.dll”。已加载符号。 线程 0x2064 已退出,返回值为 -1073741510 (0xc000013a)。 程序“[4924] ConsoleApplication1.exe”已退出,返回值为 -1073741510 (0xc000013a)。 如果直接运行就弹出对话框:无法启动程序"C:\Windows\system32\cmd.exe".系统找不到指定的文件。
C# windows 服务,运行了不到1分钟就自动停止
错误应用程序名称: TKK_Service.exe,版本: 1.0.0.0,时间戳: 0x5325a95d 错误模块名称: KERNELBASE.dll,版本: 6.2.9200.16451,时间戳: 0x50988950 异常代码: 0xe0434352 错误偏移量: 0x00014b32 错误进程 ID: 0x160 错误应用程序启动时间: 0x01cf411d36ab46ba 错误应用程序路径: D:\TKK_Service.exe 错误模块路径: C:\Windows\SYSTEM32\KERNELBASE.dll 报告 ID: 7f9ae863-ad10-11e3-9421-5254005c8eea 错误程序包全名: 错误程序包相对应用程序 ID: 应用程序: TKK_Service.exe Framework 版本: v4.0.30319 说明: 由于未经处理的异常,进程终止。异常信息: System.InvalidOperationException 堆栈: 在 System.Diagnostics.PerformanceCounterLib.CounterExists(System.String, System.String, System.String) 在 System.Diagnostics.PerformanceCounter.InitializeImpl() 在 System.Diagnostics.PerformanceCounter..ctor(System.String, System.String, System.String, Boolean) 在 System.Diagnostics.PerformanceCounter..ctor(System.String, System.String, System.String) 在 Systems.SystemsManager.StatisticsSystemInfo() 在 System.Threading.ThreadHelper.ThreadStart_Context(System.Object) 在 System.Threading.ExecutionContext.RunInternal(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean) 在 System.Threading.ExecutionContext.Run(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean) 在 System.Threading.ExecutionContext.Run(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object) 在 System.Threading.ThreadHelper.ThreadStart() C# net4 开发的 使用了多线程 ,,,求解决方案
C++ BUILDER 2010编译程序,无法调试,在编译的目录下执行.exe程序正常
Thread Start: Thread ID: 10840. Process MPBManage.exe (11848) Process Start: E:\mpb\src\branches\v1.0.1\client\PlatformTechnical\MainProject\..\..\..\build\client\MPBManage.exe. Base Address: $00400000. Process MPBManage.exe (11848) Module Load: MPBManage.exe. Has Debug Info. Base Address: $00400000. Process MPBManage.exe (11848) Module Load: ntdll.dll. No Debug Info. Base Address: $77A90000. Process MPBManage.exe (11848) Module Load: KERNEL32.dll. No Debug Info. Base Address: $779B0000. Process MPBManage.exe (11848) Module Unload: KERNEL32.dll. Process MPBManage.exe (11848) Module Load: KERNEL32.dll. No Debug Info. Base Address: $779B0000. Process MPBManage.exe (11848) Module Load: KERNELBASE.dll. No Debug Info. Base Address: $74FC0000. Process MPBManage.exe (11848) Thread Start: Thread ID: 116. Process MPBManage.exe (11848) Thread Start: Thread ID: 11084. Process MPBManage.exe (11848) Thread Start: Thread ID: 12636. Process MPBManage.exe (11848) Module Load: rtl140.bpl. No Debug Info. Base Address: $50000000. Process MPBManage.exe (11848) Module Load: ADVAPI32.dll. No Debug Info. Base Address: $74B80000. Process MPBManage.exe (11848) Module Load: vcl140.bpl. No Debug Info. Base Address: $01090000. Process MPBManage.exe (11848) Module Load: msvcrt.dll. No Debug Info. Base Address: $75240000. Process MPBManage.exe (11848) Module Load: SECHOST.dll. No Debug Info. Base Address: $751A0000. Process MPBManage.exe (11848) Module Load: COMDLG32.dll. No Debug Info. Base Address: $76E40000. Process MPBManage.exe (11848) Module Load: vclx140.bpl. No Debug Info. Base Address: $50420000. Process MPBManage.exe (11848) Module Load: RPCRT4.dll. No Debug Info. Base Address: $77710000. Process MPBManage.exe (11848) Module Load: combase.dll. No Debug Info. Base Address: $74D40000. Process MPBManage.exe (11848) Module Load: SspiCli.dll. No Debug Info. Base Address: $74550000. Process MPBManage.exe (11848) Module Load: ucrtbase.dll. No Debug Info. Base Address: $771B0000. Process MPBManage.exe (11848) Module Load: USER32.dll. No Debug Info. Base Address: $777E0000. Process MPBManage.exe (11848) Module Load: CRYPTBASE.dll. No Debug Info. Base Address: $74540000. Process MPBManage.exe (11848) Module Load: bcryptPrimitives.dll. No Debug Info. Base Address: $74F60000. Process MPBManage.exe (11848) Module Load: win32u.dll. No Debug Info. Base Address: $76BE0000. Process MPBManage.exe (11848) Module Load: GDI32.dll. No Debug Info. Base Address: $75170000. Process MPBManage.exe (11848) Module Load: SHCORE.dll. No Debug Info. Base Address: $77620000. Process MPBManage.exe (11848) Module Load: gdi32full.dll. No Debug Info. Base Address: $77050000. Process MPBManage.exe (11848) Module Load: vclimg140.bpl. No Debug Info. Base Address: $40830000. Process MPBManage.exe (11848) Module Load: imagehlp.dll. No Debug Info. Base Address: $76F30000. Process MPBManage.exe (11848) Module Load: SHLWAPI.dll. No Debug Info. Base Address: $76B90000. Process MPBManage.exe (11848) Module Load: SHELL32.dll. No Debug Info. Base Address: $75710000. Process MPBManage.exe (11848) Module Load: ole32.dll. No Debug Info. Base Address: $74C50000. Process MPBManage.exe (11848) Module Load: RaizeComponentsVcl140.bpl. No Debug Info. Base Address: $01390000. Process MPBManage.exe (11848) Module Load: OLEAUT32.dll. No Debug Info. Base Address: $74AE0000. Process MPBManage.exe (11848) Module Load: msvcp_win.dll. No Debug Info. Base Address: $76DC0000. Process MPBManage.exe (11848) Module Load: CFGMGR32.dll. No Debug Info. Base Address: $74C00000. Process MPBManage.exe (11848) Module Load: Windows.Storage.dll. No Debug Info. Base Address: $74570000. Process MPBManage.exe (11848) Module Load: EhLib140.bpl. No Debug Info. Base Address: $01590000. Process MPBManage.exe (11848) Module Load: COMCTL32.dll. No Debug Info. Base Address: $73AE0000. Process MPBManage.exe (11848) Module Load: vcldb140.bpl. No Debug Info. Base Address: $50D30000. Process MPBManage.exe (11848) Module Load: POWRPROF.dll. No Debug Info. Base Address: $776B0000. Process MPBManage.exe (11848) Module Load: dbrtl140.bpl. No Debug Info. Base Address: $50660000. Process MPBManage.exe (11848) Module Load: AppCore.dll. No Debug Info. Base Address: $751F0000. Process MPBManage.exe (11848) Module Load: TeeDB8140.bpl. No Debug Info. Base Address: $42400000. Process MPBManage.exe (11848) Module Load: profapi.dll. No Debug Info. Base Address: $76AF0000. Process MPBManage.exe (11848) Module Load: Tee8140.bpl. No Debug Info. Base Address: $42200000. Process MPBManage.exe (11848) Module Load: QR5RunD2010.bpl. No Debug Info. Base Address: $01740000. Process MPBManage.exe (11848) Module Load: bdertl140.bpl. No Debug Info. Base Address: $50D90000. Process MPBManage.exe (11848) Module Load: BorlndMM.dll. No Debug Info. Base Address: $00020000. Process MPBManage.exe (11848) Module Load: VERSION.dll. No Debug Info. Base Address: $74530000. Process MPBManage.exe (11848) Module Load: WSOCK32.dll. No Debug Info. Base Address: $6FF10000. Process MPBManage.exe (11848) Module Load: NETAPI32.dll. No Debug Info. Base Address: $740E0000. Process MPBManage.exe (11848) Module Load: MPR.dll. No Debug Info. Base Address: $71E10000. Process MPBManage.exe (11848) Module Load: WS2_32.dll. No Debug Info. Base Address: $77470000. Process MPBManage.exe (11848) Module Load: WINMM.dll. No Debug Info. Base Address: $72AE0000. Process MPBManage.exe (11848) Module Load: OLEACC.dll. No Debug Info. Base Address: $70E60000. Process MPBManage.exe (11848) Module Load: MSIMG32.dll. No Debug Info. Base Address: $72B80000. Process MPBManage.exe (11848) Module Load: TeeUI8140.bpl. No Debug Info. Base Address: $01BE0000. Process MPBManage.exe (11848) Module Load: WINSPOOL.DRV. No Debug Info. Base Address: $744C0000. Process MPBManage.exe (11848) Module Load: oledlg.dll. No Debug Info. Base Address: $61520000. Process MPBManage.exe (11848) Module Load: cc32100mt.dll. No Debug Info. Base Address: $32A00000. Process MPBManage.exe (11848) Module Load: QuotView.dll. Has Debug Info. Base Address: $01CE0000. Process MPBManage.exe (11848) Module Load: SoundLib.dll. Has Debug Info. Base Address: $00BE0000. Process MPBManage.exe (11848) Module Load: Report.dll. Has Debug Info. Base Address: $01DA0000. Process MPBManage.exe (11848) Module Load: DataService.dll. Has Debug Info. Base Address: $01F50000. Process MPBManage.exe (11848) Module Load: borlndmm.dll. No Debug Info. Base Address: $21280000. Process MPBManage.exe (11848) Module Load: WINMMBASE.dll. No Debug Info. Base Address: $728F0000. Process MPBManage.exe (11848) Module Load: WINMMBASE.dll. No Debug Info. Base Address: $00C60000. Process MPBManage.exe (11848) Module Load: bcrypt.dll. No Debug Info. Base Address: $744A0000. Process MPBManage.exe (11848) Module Load: NetService.dll. Has Debug Info. Base Address: $01F90000. Process MPBManage.exe (11848) Module Load: LocalDBService.dll. Has Debug Info. Base Address: $01FC0000. Process MPBManage.exe (11848) Module Load: RaizeComponentsVclDb140.bpl. No Debug Info. Base Address: $023A0000. Process MPBManage.exe (11848) Module Load: McPack.bpl. No Debug Info. Base Address: $02410000. Process MPBManage.exe (11848) Module Unload: WINMMBASE.dll. Process MPBManage.exe (11848) Module Load: IPHLPAPI.DLL. No Debug Info. Base Address: $73800000. Process MPBManage.exe (11848) Module Load: IMM32.dll. No Debug Info. Base Address: $75210000. Process MPBManage.exe (11848) Thread Exit: Thread ID: 116. Process MPBManage.exe (11848) Thread Exit: Thread ID: 12636. Process MPBManage.exe (11848) Thread Exit: Thread ID: 11084. Process MPBManage.exe (11848)
MongoDB 关于mongo.exe黑色框程序闪退
如果又跟我一样的,网上的教程几乎都试了个遍还没有用的。安装低一版本的MongoDB试一下,之前我是在官网下载4.2版本的,怎么样都没有。后来我下了4.0.12版本的(要安装在系统默认路径呦)就好了。太难了 试了好久 我先是在MongoDB bin目录下双击mongo.exe文件结果出现黑框闪退 接着我又使用cmd来运行mongo ``` C:\Program Files\MongoDB\bin>mongo ``` 结果出现了一下结果 2019-09-14T18:56:54.663+0800 F CONTROL [main] *** unhandled exception 0xE06D7363 at 0x00007FFFF0CAA839, terminating ``` connecting to: mongodb://127.0.0.1:27017/?compressors=disabled&gssapiServiceName=mongodb Implicit session: session { "id" : UUID("43123533-717d-4ec1-9e4f-fb95154c2ceb") } MongoDB server version: 4.2.0 Server has startup warnings: 2019-09-14T16:46:16.226+0800 I CONTROL [initandlisten] 2019-09-14T16:46:16.226+0800 I CONTROL [initandlisten] ** WARNING: Access control is not enabled for the database. 2019-09-14T16:46:16.226+0800 I CONTROL [initandlisten] ** Read and write access to data and configuration is unrestricted. 2019-09-14T16:46:16.226+0800 I CONTROL [initandlisten] --- Enable MongoDB's free cloud-based monitoring service, which will then receive and display metrics about your deployment (disk utilization, CPU, operation statistics, etc). The monitoring data will be available on a MongoDB website with a unique URL accessible to you and anyone you share the URL with. MongoDB may use this information to make product improvements and to suggest MongoDB products and deployment options to you. To enable free monitoring, run the following command: db.enableFreeMonitoring() To permanently disable this reminder, run the following command: db.disableFreeMonitoring() --- 2019-09-14T18:56:54.663+0800 F CONTROL [main] *** unhandled exception 0xE06D7363 at 0x00007FFFF0CAA839, terminating 2019-09-14T18:56:54.665+0800 F CONTROL [main] *** stack trace for unhandled exception: 2019-09-14T18:56:54.667+0800 I - [main] KERNELBASE.dll RaiseException+0x69 VCRUNTIME140.dll CxxThrowException+0xad mongo.exe MallocExtension::GetEstimatedAllocatedSize+0x175210 mongo.exe MallocExtension::GetEstimatedAllocatedSize+0x174fef mongo.exe tc_mallopt+0xa52c mongo.exe mozilla::detail::MutexImpl::~MutexImpl+0x866f mongo.exe mozilla::detail::MutexImpl::~MutexImpl+0x2317 mongo.exe mozilla::detail::MutexImpl::~MutexImpl+0x8de5 mongo.exe tcmalloc::Log+0xaaf04 KERNEL32.DLL BaseThreadInitThunk+0x14 2019-09-14T18:56:54.668+0800 I CONTROL [main] writing minidump diagnostic file C:\Program Files\MongoDB\bin\mongo.2019-09-14T10-56-54.mdmp 2019-09-14T18:56:54.851+0800 F CONTROL [main] *** immediate exit due to unhandled exception C:\Program Files\MongoDB\bin> ``` ![图片说明](https://img-ask.csdn.net/upload/201909/14/1568459706_295567.png)
请教这段C代码的问题?
为什么没有输出a的值 代码: ``` #include<stdio.h> void main() { int a; a = 1; printf(a); return 0; } ``` 运行结果: ``` “Project2.exe”(Win32): 已加载“C:\Users\jyz_1\source\repos\Project2\Debug\Project2.exe”。已加载符号。 “Project2.exe”(Win32): 已加载“C:\Windows\SysWOW64\ntdll.dll”。 “Project2.exe”(Win32): 已加载“C:\Windows\SysWOW64\kernel32.dll”。 “Project2.exe”(Win32): 已加载“C:\Windows\SysWOW64\KernelBase.dll”。 “Project2.exe”(Win32): 已加载“C:\Windows\SysWOW64\vcruntime140d.dll”。 “Project2.exe”(Win32): 已加载“C:\Windows\SysWOW64\ucrtbased.dll”。 线程 0x4d4 已退出,返回值为 0 (0x0)。 程序“[16512] Project2.exe”已退出,返回值为 0 (0x0)。 ``` 在exe中显示如下: ``` C:\Users\jyz_1\source\repos\Project2\Debug\Project2.exe (进程 16512)已退出,代码为 -1。 要在调试停止时自动关闭控制台,请启用“工具”->“选项”->“调试”->“调试停止时自动关闭控制台”。 按任意键关闭此窗口. . . ``` 编译器为visual studio2019,请问问题出在何处
VS2010调试KernelBase.dll!下面的框架可能不正确和/或缺失,
VS2010调试的时候,因为是要对视频进行检测,刚开始能正常运行,能够正常的对视频进行检测,但是过大概一分钟的时候,并且对多所有的视频文件进行检测都会在一分钟左右的时候出现下面的错误。就会出现“KernelBase.dll!下面的框架可能不正确和/或缺失,没有为KernelBase.dll加载符号,KernelBase.dll! 74f8812f() opencv_core243d.dll! ofbabd9c(),”调用堆栈的错误信息,这种问题的根源在哪里呀??![图片说明](https://img-ask.csdn.net/upload/201508/30/1440936287_87972.png)
vs2015在win7环境下编译wpf 无法运行
我在工作机环境下编译WPF项目,然后也能正常运行,但是当我将发布后的项目拷到另一台未安装VS2015但.net环境为4.6时无法运行,会抛以下异常,但是安装VS2015之后就可以正常运行。 应用程序: ceshi.heping.exe Framework 版本: v4.0.30319 说明: 由于未经处理的异常,进程终止。 异常信息: System.IO.FileNotFoundException 在 Shenghe.Hebao.MainWindow..ctor() 异常信息: System.Windows.Markup.XamlParseException 在 System.Windows.Markup.WpfXamlLoader.Load(System.Xaml.XamlReader, System.Xaml.IXamlObjectWriterFactory, Boolean, System.Object, System.Xaml.XamlObjectWriterSettings, System.Uri) 在 System.Windows.Markup.WpfXamlLoader.LoadBaml(System.Xaml.XamlReader, Boolean, System.Object, System.Xaml.Permissions.XamlAccessLevel, System.Uri) 在 System.Windows.Markup.XamlReader.LoadBaml(System.IO.Stream, System.Windows.Markup.ParserContext, System.Object, Boolean) 在 System.Windows.Application.LoadBamlStreamWithSyncInfo(System.IO.Stream, System.Windows.Markup.ParserContext) 在 System.Windows.Application.LoadComponent(System.Uri, Boolean) 在 System.Windows.Application.DoStartup() 在 System.Windows.Application.<.ctor>b__1_0(System.Object) 在 System.Windows.Threading.ExceptionWrapper.InternalRealCall(System.Delegate, System.Object, Int32) 在 System.Windows.Threading.ExceptionWrapper.TryCatchWhen(System.Object, System.Delegate, System.Object, Int32, System.Delegate) 在 System.Windows.Threading.DispatcherOperation.InvokeImpl() 在 System.Windows.Threading.DispatcherOperation.InvokeInSecurityContext(System.Object) 在 System.Threading.ExecutionContext.RunInternal(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean) 在 System.Threading.ExecutionContext.Run(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean) 在 System.Threading.ExecutionContext.Run(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object) 在 MS.Internal.CulturePreservingExecutionContext.Run(MS.Internal.CulturePreservingExecutionContext, System.Threading.ContextCallback, System.Object) 在 System.Windows.Threading.DispatcherOperation.Invoke() 在 System.Windows.Threading.Dispatcher.ProcessQueue() 在 System.Windows.Threading.Dispatcher.WndProcHoo 错误应用程序名称: ceshi.heping.exe,版本: 1.0.0.0,时间戳: 0x5821d354 错误模块名称: KERNELBASE.dll,版本: 6.1.7601.18015,时间戳: 0x50b83c8a 异常代码: 0xe0434352 错误偏移量: 0x0000c41f 错误进程 ID: 0xdfc 错误应用程序启动时间: 0x01d2553c441a0047 错误应用程序路径: C:\Users\Wang\Desktop\ceshi.heping.exe 错误模块路径: C:\Windows\syswow64\KERNELBASE.dll 报告 ID: 820f639f-c12f-11e6-b426-10bf4805993b 我的工作机环境: IDE:VS 2015 Professional 操作系统:win7 编译环境:C#6.0和 .net4.5.2 项目:WPF 运行环境: 操作系统:win7 带 .net 4.6
tensorflow 训练数据集时,报错InvalidArgumentError: Incompatible shapes: [15] vs. [15,6],标签的占位符与标签喂的数据格式不符,要怎么解决?
InvalidArgumentError (see above for traceback): Incompatible shapes: [15] vs. [15,6] 报错的详细信息如下所示: ``` INFO:tensorflow:Error reported to Coordinator: <class 'tensorflow.python.framework.errors_impl.CancelledError'>, Enqueue operation was cancelled [[Node: input_producer/input_producer_EnqueueMany = QueueEnqueueManyV2[Tcomponents=[DT_STRING], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/cpu:0"](input_producer, input_producer/RandomShuffle)]] Caused by op 'input_producer/input_producer_EnqueueMany', defined at: File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\runpy.py", line 193, in _run_module_as_main "__main__", mod_spec) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\runpy.py", line 85, in _run_code exec(code, run_globals) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel_launcher.py", line 16, in <module> app.launch_new_instance() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\traitlets\config\application.py", line 658, in launch_instance app.start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelapp.py", line 477, in start ioloop.IOLoop.instance().start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\ioloop.py", line 177, in start super(ZMQIOLoop, self).start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\ioloop.py", line 888, in start handler_func(fd_obj, events) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper return fn(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 440, in _handle_events self._handle_recv() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 472, in _handle_recv self._run_callback(callback, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 414, in _run_callback callback(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper return fn(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 283, in dispatcher return self.dispatch_shell(stream, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 235, in dispatch_shell handler(stream, idents, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 399, in execute_request user_expressions, allow_stdin) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\ipkernel.py", line 196, in do_execute res = shell.run_cell(code, store_history=store_history, silent=silent) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\zmqshell.py", line 533, in run_cell return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2698, in run_cell interactivity=interactivity, compiler=compiler, result=result) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2802, in run_ast_nodes if self.run_code(code, result): File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2862, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-19-6fa659dba762>", line 320, in <module> batch_test(data_path, 100, 100, n_batch, train_op, loss, acc, range_num, val_batch) File "<ipython-input-19-6fa659dba762>", line 147, in batch_test tf_image,tf_label = read_records(record_file,resize_height,resize_width,type='normalization') File "<ipython-input-19-6fa659dba762>", line 84, in read_records filename_queue = tf.train.string_input_producer([filename]) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\training\input.py", line 232, in string_input_producer cancel_op=cancel_op) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\training\input.py", line 164, in input_producer enq = q.enqueue_many([input_tensor]) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\ops\data_flow_ops.py", line 367, in enqueue_many self._queue_ref, vals, name=scope) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\ops\gen_data_flow_ops.py", line 1556, in _queue_enqueue_many_v2 name=name) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 768, in apply_op op_def=op_def) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 2336, in create_op original_op=self._default_original_op, op_def=op_def) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 1228, in __init__ self._traceback = _extract_stack() CancelledError (see above for traceback): Enqueue operation was cancelled [[Node: input_producer/input_producer_EnqueueMany = QueueEnqueueManyV2[Tcomponents=[DT_STRING], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/cpu:0"](input_producer, input_producer/RandomShuffle)]] --------------------------------------------------------------------------- InvalidArgumentError Traceback (most recent call last) H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args) 1038 try: -> 1039 return fn(*args) 1040 except errors.OpError as e: H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _run_fn(session, feed_dict, fetch_list, target_list, options, run_metadata) 1020 feed_dict, fetch_list, target_list, -> 1021 status, run_metadata) 1022 H:\aa\Anaconda\anaconda\envs\tensorflow\lib\contextlib.py in __exit__(self, type, value, traceback) 87 try: ---> 88 next(self.gen) 89 except StopIteration: H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\errors_impl.py in raise_exception_on_not_ok_status() 465 compat.as_text(pywrap_tensorflow.TF_Message(status)), --> 466 pywrap_tensorflow.TF_GetCode(status)) 467 finally: InvalidArgumentError: Incompatible shapes: [15] vs. [15,6] [[Node: Equal = Equal[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/gpu:0"](Cast_1, _recv_y__0/_21)]] [[Node: Mean/_25 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_177_Mean", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]] During handling of the above exception, another exception occurred: InvalidArgumentError Traceback (most recent call last) <ipython-input-19-6fa659dba762> in <module>() 318 range_num = 5 319 --> 320 batch_test(data_path, 100, 100, n_batch, train_op, loss, acc, range_num, val_batch) 321 <ipython-input-19-6fa659dba762> in batch_test(record_file, resize_height, resize_width, n_batch, train_op, loss, acc, range_num, val_batch) 187 images_x = np.reshape(images, (-1, 30000)) 188 labels_y = np.reshape(labels, (-1, 6)) --> 189 _,err,ac = sess.run([train_op,loss,acc],feed_dict={x:images, y_:labels_y}) # 50% 神经元在工作中 190 train_loss = train_loss + err 191 train_acc = train_acc + ac H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in run(self, fetches, feed_dict, options, run_metadata) 776 try: 777 result = self._run(None, fetches, feed_dict, options_ptr, --> 778 run_metadata_ptr) 779 if run_metadata: 780 proto_data = tf_session.TF_GetBuffer(run_metadata_ptr) H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _run(self, handle, fetches, feed_dict, options, run_metadata) 980 if final_fetches or final_targets: 981 results = self._do_run(handle, final_targets, final_fetches, --> 982 feed_dict_string, options, run_metadata) 983 else: 984 results = [] H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_run(self, handle, target_list, fetch_list, feed_dict, options, run_metadata) 1030 if handle is None: 1031 return self._do_call(_run_fn, self._session, feed_dict, fetch_list, -> 1032 target_list, options, run_metadata) 1033 else: 1034 return self._do_call(_prun_fn, self._session, handle, feed_dict, H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py in _do_call(self, fn, *args) 1050 except KeyError: 1051 pass -> 1052 raise type(e)(node_def, op, message) 1053 1054 def _extend_graph(self): InvalidArgumentError: Incompatible shapes: [15] vs. [15,6] [[Node: Equal = Equal[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/gpu:0"](Cast_1, _recv_y__0/_21)]] [[Node: Mean/_25 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_177_Mean", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]] Caused by op 'Equal', defined at: File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\runpy.py", line 193, in _run_module_as_main "__main__", mod_spec) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\runpy.py", line 85, in _run_code exec(code, run_globals) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel_launcher.py", line 16, in <module> app.launch_new_instance() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\traitlets\config\application.py", line 658, in launch_instance app.start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelapp.py", line 477, in start ioloop.IOLoop.instance().start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\ioloop.py", line 177, in start super(ZMQIOLoop, self).start() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\ioloop.py", line 888, in start handler_func(fd_obj, events) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper return fn(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 440, in _handle_events self._handle_recv() File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 472, in _handle_recv self._run_callback(callback, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\zmq\eventloop\zmqstream.py", line 414, in _run_callback callback(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tornado\stack_context.py", line 277, in null_wrapper return fn(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 283, in dispatcher return self.dispatch_shell(stream, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 235, in dispatch_shell handler(stream, idents, msg) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\kernelbase.py", line 399, in execute_request user_expressions, allow_stdin) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\ipkernel.py", line 196, in do_execute res = shell.run_cell(code, store_history=store_history, silent=silent) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\ipykernel\zmqshell.py", line 533, in run_cell return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2698, in run_cell interactivity=interactivity, compiler=compiler, result=result) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2802, in run_ast_nodes if self.run_code(code, result): File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\IPython\core\interactiveshell.py", line 2862, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-19-6fa659dba762>", line 311, in <module> correct_prediction = tf.equal(tf.cast(tf.argmax(logits,1),tf.float32), y_) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\ops\gen_math_ops.py", line 672, in equal result = _op_def_lib.apply_op("Equal", x=x, y=y, name=name) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 768, in apply_op op_def=op_def) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 2336, in create_op original_op=self._default_original_op, op_def=op_def) File "H:\aa\Anaconda\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\framework\ops.py", line 1228, in __init__ self._traceback = _extract_stack() InvalidArgumentError (see above for traceback): Incompatible shapes: [15] vs. [15,6] [[Node: Equal = Equal[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/gpu:0"](Cast_1, _recv_y__0/_21)]] [[Node: Mean/_25 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_177_Mean", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]] ``` x,y- 占位符打印的信息如下: ``` x: Tensor("x-input:0", shape=(?, 100, 100, 3), dtype=float32) y_:Tensor("y_:0", shape=(?, 6), dtype=float32) ``` image 和 labels 的打印信息如下: ``` shape:(15, 100, 100, 3),tpye:float32,labels:[[ 0. 0. 0. 1. 0. 0.] [ 0. 0. 0. 1. 0. 0.] [ 0. 0. 0. 1. 0. 0.] [ 0. 0. 0. 0. 1. 0.] [ 1. 0. 0. 0. 0. 0.] [ 0. 0. 0. 1. 0. 0.] [ 1. 0. 0. 0. 0. 0.] [ 1. 0. 0. 0. 0. 0.] [ 1. 0. 0. 0. 0. 0.] [ 0. 0. 0. 0. 0. 1.] [ 0. 0. 1. 0. 0. 0.] [ 1. 0. 0. 0. 0. 0.] [ 1. 0. 0. 0. 0. 0.] [ 0. 0. 0. 0. 1. 0.] [ 0. 0. 0. 0. 1. 0.]] ``` 整个运行的代码如下: ``` import tensorflow as tf import numpy as np import os import cv2 import matplotlib.pyplot as plt import random import time from PIL import Image os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' data_path = 'people_pictures_train/record/one_train_demo_people_train.tfrecords' # tfrecords 文件的地址 data_path_val = 'people_pictures_train/record/one_test_demo_people_val.tfrecords' # tfrecords 文件的地址 print("----------------------------") tf.reset_default_graph() def get_example_nums(tf_records_filenames): ''' 统计tf_records图像的个数(example)个数 :param tf_records_filenames: tf_records文件路径 :return: ''' nums= 0 for record in tf.python_io.tf_record_iterator(tf_records_filenames): nums += 1 return nums def show_image(title,image): ''' 显示图片 :param title: 图像标题 :param image: 图像的数据 :return: ''' # plt.figure("show_image") # print(image.dtype) plt.imshow(image) plt.axis('on') # 关掉坐标轴为 off plt.title(title) # 图像题目 plt.show() def get_batch_images(images,labels,batch_size,labels_nums,one_hot=False,shuffle=False,num_threads=1): ''' :param images:图像 :param labels:标签 :param batch_size: :param labels_nums:标签个数 :param one_hot:是否将labels转为one_hot的形式 :param shuffle:是否打乱顺序,一般train时shuffle=True,验证时shuffle=False :return:返回batch的images和labels ''' min_after_dequeue = 200 capacity = min_after_dequeue + 3 * batch_size # 保证capacity必须大于min_after_dequeue参数值 if shuffle: images_batch, labels_batch = tf.train.shuffle_batch([images,labels], batch_size=batch_size, capacity=capacity, min_after_dequeue=min_after_dequeue, num_threads=num_threads) else: images_batch, labels_batch = tf.train.batch([images,labels], batch_size=batch_size, capacity=capacity, num_threads=num_threads) if one_hot: labels_batch = tf.one_hot(labels_batch, labels_nums, 1, 0) return images_batch,labels_batch def read_records(filename,resize_height, resize_width,type=None): ''' 解析record文件:源文件的图像数据是RGB,uint8,[0,255],一般作为训练数据时,需要归一化到[0,1] :param filename: :param resize_height: :param resize_width: :param type:选择图像数据的返回类型 None:默认将uint8-[0,255]转为float32-[0,255] normalization:归一化float32-[0,1] standardization:归一化float32-[0,1],再减均值中心化 :return: ''' # 创建文件队列,不限读取的数量 filename_queue = tf.train.string_input_producer([filename]) # create a reader from file queue reader = tf.TFRecordReader() # reader从文件队列中读入一个序列化的样本 _, serialized_example = reader.read(filename_queue) # get feature from serialized example # 解析符号化的样本 features = tf.parse_single_example( serialized_example, features={ 'image_raw': tf.FixedLenFeature([], tf.string), 'height': tf.FixedLenFeature([], tf.int64), 'width': tf.FixedLenFeature([], tf.int64), 'depth': tf.FixedLenFeature([], tf.int64), 'labels': tf.FixedLenFeature([], tf.string) } ) tf_image = tf.decode_raw(features['image_raw'], tf.uint8)#获得图像原始的数据 tf_height = features['height'] tf_width = features['width'] tf_depth = features['depth'] # tf_label = tf.cast(features['labels'], tf.float32) tf_label = tf.decode_raw(features['labels'],tf.float32) # PS:恢复原始图像数据,reshape的大小必须与保存之前的图像shape一致,否则出错 # tf_image=tf.reshape(tf_image, [-1]) # 转换为行向量 tf_image=tf.reshape(tf_image, [resize_height, resize_width, 3]) # 设置图像的维度 tf_label=tf.reshape(tf_label, [6]) # 设置图像的维度 # 恢复数据后,才可以对图像进行resize_images:输入uint->输出float32 # tf_image=tf.image.resize_images(tf_image,[224, 224]) # [3]数据类型处理 # 存储的图像类型为uint8,tensorflow训练时数据必须是tf.float32 if type is None: tf_image = tf.cast(tf_image, tf.float32) elif type == 'normalization': # [1]若需要归一化请使用: # 仅当输入数据是uint8,才会归一化[0,255] # tf_image = tf.cast(tf_image, dtype=tf.uint8) # tf_image = tf.image.convert_image_dtype(tf_image, tf.float32) tf_image = tf.cast(tf_image, tf.float32) * (1. / 255.0) # 归一化 elif type == 'standardization': # 标准化 # tf_image = tf.cast(tf_image, dtype=tf.uint8) # tf_image = tf.image.per_image_standardization(tf_image) # 标准化(减均值除方差) # 若需要归一化,且中心化,假设均值为0.5,请使用: tf_image = tf.cast(tf_image, tf.float32) * (1. / 255) - 0.5 # 中心化 # 这里仅仅返回图像和标签 # return tf_image, tf_height,tf_width,tf_depth,tf_label return tf_image,tf_label def batch_test(record_file,resize_height,resize_width,n_batch,train_op,loss,acc,range_num,val_batch): ''' :param record_file: record文件路径 :param resize_height: :param resize_width: :return: :PS:image_batch, label_batch一般作为网络的输入 ''' # 读取record函数 tf_image,tf_label = read_records(record_file,resize_height,resize_width,type='normalization') image_batch, label_batch= get_batch_images(tf_image,tf_label,batch_size=15,labels_nums=6,one_hot=False,shuffle=True) a = image_batch.get_shape() a2 = a.as_list() b = label_batch.get_shape() b2 = b.as_list() print('image_batch: '+ str(image_batch) + ' label_batch: ' + str(label_batch)) print('image_batch-len:' + str(len(a2)) + ' label_batch-len: ' + str(len(b2))) # 测试的数据 images_val,labels_val = read_records(data_path_val,100,100,type='normalization') image_batch_val, label_batch_val = get_batch_images(images_val,labels_val,batch_size=15,labels_nums=6,one_hot=False,shuffle=True) # print('image_batch_val: '+ str(image_batch_val) + ' label_batch_val: ' + str(label_batch_val)) init = tf.global_variables_initializer() with tf.Session() as sess: # 开始一个会话 sess.run(init) # train_writer = tf.summary.FileWriter('logs/train',sess.graph) # 当前目录下的 logs 文件夹,如果没有这个文件夹,会自己键, 写入graph 的图 # test_writer = tf.summary.FileWriter('logs/test',sess.graph) # 当前目录下的 logs 文件夹,如果没有这个文件夹,会自己键, 写入graph 的图 coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) for epoch in range(range_num) : start_time = time.time() train_loss, train_acc = 0,0 for i in range(n_batch): images, labels = sess.run([image_batch, label_batch]) print('shape:{},tpye:{},labels:{}'.format(images.shape,images.dtype,labels)) print('images-len:' + str(len(images)) + ' labels-len: ' + str(len(labels))) for i in range(len(images)): show_image("image0", images[i, :, :, :]) a = np.zeros( (len(labels)) ) print(' a: ' +str(a)) for i in range(len(labels)): for j in range(len(labels[i])): if labels[i][j] > 0: a[i] = j print(' a: ' +str(a)) print('x: ' + str(x) + ' y_:' + str(y_)) images_x = np.reshape(images, (-1, 30000)) labels_y = np.reshape(labels, (-1, 6)) _,err,ac = sess.run([train_op,loss,acc],feed_dict={x:images, y_:labels_y}) # 50% 神经元在工作中 train_loss = train_loss + err train_acc = train_acc + ac print(" train loss: %f" % (np.sum(train_err)/n_batch)) print(" train acc: %f" % (np.sum(train_acc)/n_batch)) val_loss, val_acc = 0, 0 for i in range(val_batch): # test 在会话中取出images和labels测试数据, images_val2 主要是为了与 images_val 进行区分 images_val2, labels_val2 = sess.run([image_batch_val, label_batch_val]) val_loss, val_acc = sess.run([loss,acc], feed_dict={x:images_val_x, y_:labels_val2}) # 测试一下准确率,喂的数据是,图片和图片的标签 val_loss = val_loss + err val_acc = val_acc + ac print(" validation loss: %f" % (np.sum(val_loss)/val_batch)) print(" validation acc: %f" % (np.sum(val_acc)/val_batch)) # 停止所有线程 coord.request_stop() coord.join(threads) # 每个批次的大小 batch_size = 15 #每个批次 10,一次性放入100张图,放到神经网络中进行训练,以矩阵的形式放入 # 计算一共有多少个批次 # n_batch = mnist.train.num_examples // batch_size #整除 n_batch = get_example_nums(data_path) // batch_size val_batch = get_example_nums(data_path_val) // batch_size # 测试图片的数量 转换格式时以一个batch 放所有的图片 # val_num = get_example_nums(data_path_val) # 测试图片的数量 转换格式时以一个batch 放所有的图片 # train_num = get_example_nums(data_path) # 测试图片的数量 转换格式时以一个batch 放所有的图片 print ("-----------------" + str(n_batch) + " batch------------") #将所有的图片resize成100*100 w=100 h=100 c=3 #-----------------构建网络---------------------- #占位符 #-----------------构建网络---------------------- #占位符 x = tf.placeholder(tf.float32,[None,100,100,3],name='x-input') #图片像素 转换 一维向量,行与批次有关,none 代表行,列是784 y_=tf.placeholder(tf.float32,shape=[None,6],name='y_') def inference(input_tensor, train, regularizer): with tf.variable_scope('layer1-conv1'): conv1_weights = tf.get_variable("weight",[5,5,3,32],initializer=tf.truncated_normal_initializer(stddev=0.1)) conv1_biases = tf.get_variable("bias", [32], initializer=tf.constant_initializer(0.0)) conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 1, 1, 1], padding='SAME') relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases)) with tf.name_scope("layer2-pool1"): pool1 = tf.nn.max_pool(relu1, ksize = [1,2,2,1],strides=[1,2,2,1],padding="VALID") with tf.variable_scope("layer3-conv2"): conv2_weights = tf.get_variable("weight",[5,5,32,64],initializer=tf.truncated_normal_initializer(stddev=0.1)) conv2_biases = tf.get_variable("bias", [64], initializer=tf.constant_initializer(0.0)) conv2 = tf.nn.conv2d(pool1, conv2_weights, strides=[1, 1, 1, 1], padding='SAME') relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases)) with tf.name_scope("layer4-pool2"): pool2 = tf.nn.max_pool(relu2, ksize=[1, 2 , 2, 1], strides=[1, 2, 2, 1], padding='VALID') with tf.variable_scope("layer5-conv3"): conv3_weights = tf.get_variable("weight",[3,3,64,128],initializer=tf.truncated_normal_initializer(stddev=0.1)) conv3_biases = tf.get_variable("bias", [128], initializer=tf.constant_initializer(0.0)) conv3 = tf.nn.conv2d(pool2, conv3_weights, strides=[1, 1, 1, 1], padding='SAME') relu3 = tf.nn.relu(tf.nn.bias_add(conv3, conv3_biases)) with tf.name_scope("layer6-pool3"): pool3 = tf.nn.max_pool(relu3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID') with tf.variable_scope("layer7-conv4"): conv4_weights = tf.get_variable("weight",[3,3,128,128],initializer=tf.truncated_normal_initializer(stddev=0.1)) conv4_biases = tf.get_variable("bias", [128], initializer=tf.constant_initializer(0.0)) conv4 = tf.nn.conv2d(pool3, conv4_weights, strides=[1, 1, 1, 1], padding='SAME') relu4 = tf.nn.relu(tf.nn.bias_add(conv4, conv4_biases)) with tf.name_scope("layer8-pool4"): pool4 = tf.nn.max_pool(relu4, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID') nodes = 6*6*128 reshaped = tf.reshape(pool4,[-1,nodes]) with tf.variable_scope('layer9-fc1'): fc1_weights = tf.get_variable("weight", [nodes, 1024], initializer=tf.truncated_normal_initializer(stddev=0.1)) if regularizer != None: tf.add_to_collection('losses', regularizer(fc1_weights)) fc1_biases = tf.get_variable("bias", [1024], initializer=tf.constant_initializer(0.1)) fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weights) + fc1_biases) if train: fc1 = tf.nn.dropout(fc1, 0.5) with tf.variable_scope('layer10-fc2'): fc2_weights = tf.get_variable("weight", [1024, 512], initializer=tf.truncated_normal_initializer(stddev=0.1)) if regularizer != None: tf.add_to_collection('losses', regularizer(fc2_weights)) fc2_biases = tf.get_variable("bias", [512], initializer=tf.constant_initializer(0.1)) fc2 = tf.nn.relu(tf.matmul(fc1, fc2_weights) + fc2_biases) if train: fc2 = tf.nn.dropout(fc2, 0.5) with tf.variable_scope('layer11-fc3'): fc3_weights = tf.get_variable("weight", [512, 6], initializer=tf.truncated_normal_initializer(stddev=0.1)) if regularizer != None: tf.add_to_collection('losses', regularizer(fc3_weights)) fc3_biases = tf.get_variable("bias", [6], initializer=tf.constant_initializer(0.1)) logit = tf.matmul(fc2, fc3_weights) + fc3_biases return logit #---------------------------网络结束--------------------------- regularizer = tf.contrib.layers.l2_regularizer(0.0001) logits = inference(x,False,regularizer) #(小处理)将logits乘以1赋值给logits_eval,定义name,方便在后续调用模型时通过tensor名字调用输出tensor b = tf.constant(value=1,dtype=tf.float32) logits_eval = tf.multiply(logits,b,name='logits_eval') # loss=tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y_) loss = tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=logits) train_op=tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss) correct_prediction = tf.equal(tf.cast(tf.argmax(logits,1),tf.float32), y_) acc= tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) print("----------------------------") if __name__ == '__main__': range_num = 5 batch_test(data_path, 100, 100, n_batch, train_op, loss, acc, range_num, val_batch) ```
vs安装时报错,请求支援
问题事件名称: APPCRASH 应用程序名: vs_setup_bootstrapper.exe 应用程序版本: 2.0.118.49013 应用程序时间戳: 5be5b52e 故障模块名称: KERNELBASE.dll 故障模块版本: 6.1.7601.17514 故障模块时间戳: 4ce7c78c 异常代码: c06d007e 异常偏移: 000000000000a49d OS 版本: 6.1.7601.2.1.0.256.1 区域设置 ID: 2052 其他信息 1: 7283 其他信息 2: 72836eb6216b49be15302fdb224c1b5d 其他信息 3: 758e 其他信息 4: 758e90c1b81c886adcd64ce518d703bd
win10 VS2015 opencv3.1.0 应用程序无法正常启动(0xc0000007b)
_1.下图为环境变量的设置图片说明](https://img-ask.csdn.net/upload/201603/30/1459315234_989848.png)._ 2.下图为VS2015的配置 ![图片说明](https://img-ask.csdn.net/upload/201603/30/1459315444_677180.png) ![图片说明](https://img-ask.csdn.net/upload/201603/30/1459315489_403990.png) ![图片说明](https://img-ask.csdn.net/upload/201603/30/1459315498_484539.png) 3.下面是程序代码 **#include <opencv2/opencv.hpp> using namespace std; using namespace cv; int main(int argc, char* argv[]) { const char* imagename = "G:\\VS2015\\ConsoleApplication1\\ConsoleApplication1\\tulips.jpg"; //从文件中读入图像 Mat img = imread(imagename); //如果读入图像失败 if (img.empty()) { fprintf(stderr, "Can not load image %s\n", imagename); return -1; } //显示图像 imshow("image", img); //此函数等待按键,按键盘任意键就返回 waitKey(); return 0; }** 4.下面是出错信息 ****“ConsoleApplication1.exe”(Win32): 已加载“G:\VS2015\ConsoleApplication1\x64\Release\ConsoleApplication1.exe”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\ntdll.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\kernel32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\KernelBase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\vcruntime140.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\opencv_world310d.dll”。无法查找或打开 PDB 文件。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\ucrtbase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\ucrtbase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\advapi32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已卸载“C:\Windows\System32\ucrtbase.dll” “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\msvcrt.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\sechost.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\rpcrt4.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\user32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\gdi32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\ole32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\combase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\cryptbase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\bcryptprimitives.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\oleaut32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\comdlg32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\SHCore.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\shlwapi.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\shell32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\cfgmgr32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\WinSxS\amd64_microsoft.windows.common-controls_6595b64144ccf1df_5.82.10586.0_none_396e892957c7fb25\comctl32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\windows.storage.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\kernel.appcore.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\powrprof.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\profapi.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\FirewallAPI.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\netapi32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\avicap32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\msvfw32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\avifil32.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\msvcp120d.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已卸载“C:\Windows\System32\msvcp120d.dll” “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\winmm.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\winmmbase.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\davhlpr.dll”。已加载符号。 “ConsoleApplication1.exe”(Win32): 已加载“C:\Windows\System32\MSVCR120D.dll”。已加载符号。 线程 0xab0 已退出,返回值为 -1073741701 (0xc000007b)。 线程 0x1f54 已退出,返回值为 -1073741701 (0xc000007b)。 线程 0x29d4 已退出,返回值为 -1073741701 (0xc000007b)。 程序“[2452] ConsoleApplication1.exe”已退出,返回值为 -1073741701 (0xc000007b)。 **** ![图片说明](https://img-ask.csdn.net/upload/201603/30/1459315709_869272.png)
VC6.0程序报错dll异常
MFC程序,运行时点击按钮报运行错误。 中断后启动调试,发现是在comip.h中执行_com_issue_error(hr)报错(FAILED(hr)成立)。 错误信息:unhandled exception in *.exe(KERNELBASE.DLL)0xE06D7363:Microsoft C++ Exception 尝试去更新dll失败(提示文件被打开)
VS2010中电子邮件之前运行的好的,后来就出现内存错误
“MailClient.exe”: 已加载“C:\Windows\SysWOW64\NapiNSP.dll”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Windows\SysWOW64\pnrpnsp.dll”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Program Files (x86)\Bonjour\mdnsNSP.dll”,Cannot find or open the PDB file “MailClient.exe”: 已加载“C:\Windows\SysWOW64\wshbth.dll”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Windows\SysWOW64\dnsapi.dll”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Windows\SysWOW64\winrnr.dll”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Windows\SysWOW64\FWPUCLNT.DLL”,已加载符号(去除源信息)。 “MailClient.exe”: 已加载“C:\Windows\SysWOW64\rasadhlp.dll”,已加载符号(去除源信息)。 MailClient.exe 中的 0x74e0c42d (KernelBase.dll) 处最可能的异常: 0x0EEDFADE: 0xeedfade MailClient.exe 中的 0x74e0c42d (KernelBase.dll) 处最可能的异常: 0x0EEDFADE: 0xeedfade MailClient.exe 中的 0x74e0c42d (KernelBase.dll) 处最可能的异常: Microsoft C++ 异常: 内存位置 0x002ceeb8 处的 _com_error。
C#程序调用C++的exe,exe出现错误
exe的调用堆栈里提示: KernelBase.dll!74aac42d() [下面的框架可能不正确和/或缺失,没有为 KernelBase.dll 加载符号]
已加载“iPlotLibrary.ocx”,未使用调试信息生成二进制文件。
编译过程出现以上提示错误,应用程序能够正常生成,部分功能不能使用,当点击调用该功能显示时,提示List index out of in bounds(2) 然后: *.exe 中的 0x7560812f (KernelBase.dll) 处最可能的异常: 0x0EEDFADE: 0xeedfade *.exe 中的 0x7560812f (KernelBase.dll) 处最可能的异常: Microsoft C++ 异常: 内存位置 0x0012f2d8 处的 COleDispatchException。
“下面的框架可能不正确和/缺失,没有为kernelbase.dll加载符号”,原因大概是什么?
程序运行时崩溃,用vs2008调试后,在“调用堆栈”处显示: 下面的框架可能不正确和/缺失,没有为kernelbase.dll加载符号,这大概是什么原因呢?
vector内存溢出()没有为KernelBase.dll添加符号
我有一个用到vector的程序,在之前运行数据是100多万条的时候还是没什么问题的,300万条的时候跳出中断说是内存溢出了。我把clear,swap,shrink_to_fit,_CrtDumpMemoryLeaks();用了一遍还是报错;堆栈帧哪里显示说没有为KernelBase.dll添加符号,不知道怎样修改程序了,在这里看到您给很多人解决问题,想请教一下您,谢谢啦!
在Win10 VS2015下配置opencv3.3出问题
我按百度上的配置完后,跑一段代码来测试是否配置成功 ``` #include <opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main() { cout << "OpenCV Version: " << CV_VERSION << endl; Mat img = imread("img.jpg"); imshow("img", img); waitKey(0); return 0; } ``` 结果报了这么多问题,程序可以运行,但是窗口一闪而过,看不到图片,打开exe文件就会报错而中止 'computer vision1.exe' (Win32): Loaded 'C:\C++ 试作品\VS2015 Project\MFC 工程\computer vision1\x64\Debug\computer vision1.exe'. Symbols loaded. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ntdll.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\kernel32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\KernelBase.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\vcruntime140d.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\opencv_world330d.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msvcp140d.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\opencv_world330.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ucrtbased.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\user32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\gdi32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\win32u.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\gdi32full.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ole32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\combase.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\oleaut32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ucrtbase.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msvcp_win.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\rpcrt4.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\comdlg32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msvcrt.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\bcryptprimitives.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\sechost.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\SHCore.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\advapi32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\shlwapi.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\shell32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msvfw32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\avicap32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\avifil32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\cfgmgr32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\winmm.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\winmmbase.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\windows.storage.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\powrprof.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\concrt140d.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\WinSxS\amd64_microsoft.windows.common-controls_6595b64144ccf1df_5.82.14393.447_none_0d5aa7fbb6d35646\comctl32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\WinSxS\amd64_microsoft.windows.common-controls_6595b64144ccf1df_5.82.14393.447_none_0d5aa7fbb6d35646\comctl32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\kernel.appcore.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\profapi.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msacm32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Unloaded 'C:\Windows\WinSxS\amd64_microsoft.windows.common-controls_6595b64144ccf1df_5.82.14393.447_none_0d5aa7fbb6d35646\comctl32.dll' 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msvcp140.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\vcruntime140.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\concrt140.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\imm32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\uxtheme.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\msctf.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\dwmapi.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\OpenCL.DLL'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\DriverStore\FileRepository\igdlh64.inf_amd64_e1474e9d5907af3f\IntelOpenCL64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Program Files (x86)\Common Files\Intel\OpenCL\bin\x64\intelocl64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\opengl32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Program Files (x86)\Common Files\Intel\OpenCL\bin\x64\task_executor64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ddraw.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\dciman32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\glu32.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Program Files (x86)\Common Files\Intel\OpenCL\bin\x64\cpu_device64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\version.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\DriverStore\FileRepository\igdlh64.inf_amd64_e1474e9d5907af3f\igdrcl64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\dxgi.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\ResourcePolicyClient.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Unloaded 'C:\Windows\System32\ResourcePolicyClient.dll' 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\DriverStore\FileRepository\igdlh64.inf_amd64_e1474e9d5907af3f\igdfcl64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\DriverStore\FileRepository\igdlh64.inf_amd64_e1474e9d5907af3f\igdmcl64.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\dbghelp.dll'. Cannot find or open the PDB file. 'computer vision1.exe' (Win32): Loaded 'C:\Windows\System32\DriverStore\FileRepository\igdlh64.inf_amd64_e1474e9d5907af3f\igc64.dll'. Cannot find or open the PDB file. The thread 0x1cd4 has exited with code 0 (0x0). The thread 0x1750 has exited with code 0 (0x0). The thread 0x3668 has exited with code 0 (0x0). The thread 0x2b88 has exited with code 0 (0x0). The program '[6504] computer vision1.exe' has exited with code 0 (0x0).
C++调试 发生访问冲突
在用VS2015编译C++程序时,总是出现如下提示: _0x774EF50F (ntdll.dll) (ceshi.exe 中)处的第一机会异常: 0xC0000005: 读取位置 0xFFFFFFFC 时发生访问冲突。_ 求解释或解决方案。(新手求助!) 如此例: ``` #include<stdio.h> int main() { int i = 5; printf("i= %d \n",i); return 0; } ``` VS2015编译后,调试窗口信息: ``` “ceshi.exe”(Win32): 已加载“C:\Users\Trumen\Documents\Visual Studio 2015\Projects\ceshi\Debug\ceshi.exe”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\ntdll.dll”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\kernel32.dll”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\KernelBase.dll”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\vcruntime140d.dll”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\appcrt140d.dll”。已加载符号。 “ceshi.exe”(Win32): 已加载“C:\Windows\SysWOW64\desktopcrt140d.dll”。已加载符号。 0x774EF50F (ntdll.dll) (ceshi.exe 中)处的第一机会异常: 0xC0000005: 读取位置 0xFFFFFFFC 时发生访问冲突。 0x774EF50F (ntdll.dll) (ceshi.exe 中)处的第一机会异常: 0xC0000005: 读取位置 0xFFFFFFFC 时发生访问冲突。 程序“[0x1E98] ceshi.exe”已退出,返回值为 0 (0x0)。 ```
终于明白阿里百度这样的大公司,为什么面试经常拿ThreadLocal考验求职者了
点击上面↑「爱开发」关注我们每晚10点,捕获技术思考和创业资源洞察什么是ThreadLocalThreadLocal是一个本地线程副本变量工具类,各个线程都拥有一份线程私有的数
Java学习的正确打开方式
在博主认为,对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结,前三者博主将淋漓尽致地挥毫于这篇博客文章中,至于总结在于个人,实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍,博客次之,这又是一个层次了,这里暂时不提后面再谈。博主将为各位入门java保驾护航,各位只管冲鸭!!!上天是公平的,只要不辜负时间,时间自然不会辜负你。 何谓学习?博主所理解的学习,它是一个过程,是一个不断累积、不断沉淀、不断总结、善于传达自己的个人见解以及乐于分享的过程。
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过
大学四年自学走来,这些私藏的实用工具/学习网站我贡献出来了
大学四年,看课本是不可能一直看课本的了,对于学习,特别是自学,善于搜索网上的一些资源来辅助,还是非常有必要的,下面我就把这几年私藏的各种资源,网站贡献出来给你们。主要有:电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意:文中提到的所有资源,文末我都给你整理好了,你们只管拿去,如果觉得不错,转发、分享就是最大的支持了。 一、电子书搜索 对于大部分程序员...
《奇巧淫技》系列-python!!每天早上八点自动发送天气预报邮件到QQ邮箱
此博客仅为我业余记录文章所用,发布到此,仅供网友阅读参考,如有侵权,请通知我,我会删掉。 补充 有不少读者留言说本文章没有用,因为天气预报直接打开手机就可以收到了,为何要多此一举发送到邮箱呢!!!那我在这里只能说:因为你没用,所以你没用!!! 这里主要介绍的是思路,不是天气预报!不是天气预报!!不是天气预报!!!天气预报只是用于举例。请各位不要再刚了!!! 下面是我会用到的两个场景: 每日下
Python 植物大战僵尸代码实现(2):植物卡片选择和种植
这篇文章要介绍的是: - 上方植物卡片栏的实现。 - 点击植物卡片,鼠标切换为植物图片。 - 鼠标移动时,判断当前在哪个方格中,并显示半透明的植物作为提示。
死磕YOLO系列,YOLOv1 的大脑、躯干和手脚
YOLO 是我非常喜欢的目标检测算法,堪称工业级的目标检测,能够达到实时的要求,它帮我解决了许多实际问题。 这就是 YOLO 的目标检测效果。它定位了图像中物体的位置,当然,也能预测物体的类别。 之前我有写博文介绍过它,但是每次重新读它的论文,我都有新的收获,为此我准备写一个系列的文章来详尽分析它。这是第一篇,从它的起始 YOLOv1 讲起。 YOLOv1 的论文地址:https://www.c
知乎高赞:中国有什么拿得出手的开源软件产品?(整理自本人原创回答)
知乎高赞:中国有什么拿得出手的开源软件产品? 在知乎上,有个问题问“中国有什么拿得出手的开源软件产品(在 GitHub 等社区受欢迎度较好的)?” 事实上,还不少呢~ 本人于2019.7.6进行了较为全面的 回答 - Bravo Yeung,获得该问题下回答中得最高赞(236赞和1枚专业勋章),对这些受欢迎的 Github 开源项目分类整理如下: 分布式计算、云平台相关工具类 1.SkyWalk
记一次腾讯面试:进程之间究竟有哪些通信方式?如何通信? ---- 告别死记硬背
有一次面试的时候,被问到进程之间有哪些通信方式,不过由于之前没深入思考且整理过,说的并不好。想必大家也都知道进程有哪些通信方式,可是我猜很多人都是靠着”背“来记忆的,所以今天的这篇文章,讲给大家详细着讲解他们是如何通信的,让大家尽量能够理解他们之间的区别、优缺点等,这样的话,以后面试官让你举例子,你也能够顺手拈来。 1、管道 我们来看一条 Linux 的语句 netstat -tulnp | gr...
20行Python代码爬取王者荣耀全英雄皮肤
引言 王者荣耀大家都玩过吧,没玩过的也应该听说过,作为时下最火的手机MOBA游戏,咳咳,好像跑题了。我们今天的重点是爬取王者荣耀所有英雄的所有皮肤,而且仅仅使用20行Python代码即可完成。 准备工作 爬取皮肤本身并不难,难点在于分析,我们首先得得到皮肤图片的url地址,话不多说,我们马上来到王者荣耀的官网: 我们点击英雄资料,然后随意地选择一位英雄,接着F12打开调试台,找到英雄原皮肤的图片
网络(8)-HTTP、Socket、TCP、UDP的区别和联系
TCP/IP协议是传输层协议,主要解决数据如何在网络中传输,而HTTP是应用层协议,主要解决如何包装数据。 一、TCP与UDP的不同 1. 是否需要建立连接。 UDP在传送数据之前不需要先建立连接;TCP则提供面向连接的服务; 2. 是否需要给出确认 对方的传输层在收到UDP报文后,不需要给出任何确认,而 TCP需要给出确认报文,要提供可靠的、面向连接的传输服务。 3.虽然UDP不提供可靠交...
简明易理解的@SpringBootApplication注解源码解析(包含面试提问)
欢迎关注文章系列 ,关注我 《提升能力,涨薪可待》 《面试知识,工作可待》 《实战演练,拒绝996》 欢迎关注我博客,原创技术文章第一时间推出 也欢迎关注公 众 号【Ccww笔记】,同时推出 如果此文对你有帮助、喜欢的话,那就点个赞呗,点个关注呗! 《提升能力,涨薪可待篇》- @SpringBootApplication注解源码解析 一、@SpringBootApplication 的作用是什
防劝退!数据结构和算法难理解?可视化动画带你轻松透彻理解!
大家好,我是 Rocky0429,一个连数据结构和算法都不会的蒟蒻… 学过数据结构和算法的都知道这玩意儿不好学,没学过的经常听到这样的说法还没学就觉得难,其实难吗?真难! 难在哪呢?当年我还是个小蒟蒻,初学数据结构和算法的时候,在忍着枯燥看完定义原理,之后想实现的时候,觉得它们的过程真的是七拐八绕,及其难受。 在简单的链表、栈和队列这些我还能靠着在草稿上写写画画理解过程,但是到了数论、图...
西游记团队中如果需要裁掉一个人,会先裁掉谁?
2019年互联网寒冬,大批企业开始裁员,下图是网上流传的一张截图: 裁员不可避免,那如何才能做到不管大环境如何变化,自身不受影响呢? 我们先来看一个有意思的故事,如果西游记取经团队需要裁员一名,会裁掉谁呢,为什么? 西游记团队组成: 1.唐僧 作为团队teamleader,有很坚韧的品性和极高的原则性,不达目的不罢休,遇到任何问题,都没有退缩过,又很得上司支持和赏识(直接得到唐太宗的任命,既给
开挂的人生!那些当选院士,又是ACM/IEEE 双料Fellow的华人学者们
昨日,2019年两院院士正式官宣,一时间抢占了各大媒体头条。 朋友圈也是一片沸腾,奔走相告,赶脚比自己中了大奖还嗨皮! 谁叫咱家导师就是这么厉害呢!!! 而就在最近,新一年度的IEEE/ACM Fellow也将正式公布。 作为学术届的顶级荣誉,不自然地就会将院士与Fellow作比较,到底哪个含金量更高呢? 学术君认为,同样是专业机构对学者的认可,考量标准不一,自然不能一概而论。 但...
聊聊C语言和指针的本质
坐着绿皮车上海到杭州,24块钱,很宽敞,在火车上非正式地聊几句。 很多编程语言都以 “没有指针” 作为自己的优势来宣传,然而,对于C语言,指针却是与生俱来的。 那么,什么是指针,为什么大家都想避开指针。 很简单, 指针就是地址,当一个地址作为一个变量存在时,它就被叫做指针,该变量的类型,自然就是指针类型。 指针的作用就是,给出一个指针,取出该指针指向地址处的值。为了理解本质,我们从计算机模型说起...
Python语言高频重点汇总
Python语言高频重点汇总 GitHub面试宝典仓库——点这里跳转 文章目录Python语言高频重点汇总**GitHub面试宝典仓库——点这里跳转**1. 函数-传参2. 元类3. @staticmethod和@classmethod两个装饰器4. 类属性和实例属性5. Python的自省6. 列表、集合、字典推导式7. Python中单下划线和双下划线8. 格式化字符串中的%和format9.
究竟你适不适合买Mac?
我清晰的记得,刚买的macbook pro回到家,开机后第一件事情,就是上了淘宝网,花了500元钱,找了一个上门维修电脑的师傅,上门给我装了一个windows系统。。。。。。 表砍我。。。 当时买mac的初衷,只是想要个固态硬盘的笔记本,用来运行一些复杂的扑克软件。而看了当时所有的SSD笔记本后,最终决定,还是买个好(xiong)看(da)的。 已经有好几个朋友问我mba怎么样了,所以今天尽量客观
代码详解:如何用Python快速制作美观、炫酷且有深度的图表
全文共12231字,预计学习时长35分钟生活阶梯(幸福指数)与人均GDP(金钱)正相关的正则图本文将探讨三种用Python可视化数据的不同方法。以可视化《2019年世界幸福报告》的数据为例,本文用Gapminder和Wikipedia的信息丰富了《世界幸福报告》数据,以探索新的数据关系和可视化方法。《世界幸福报告》试图回答世界范围内影响幸福的因素。报告根据对“坎特里尔阶梯问题”的回答来确定幸...
程序员一般通过什么途径接私活?
二哥,你好,我想知道一般程序猿都如何接私活,我也想接,能告诉我一些方法吗? 上面是一个读者“烦不烦”问我的一个问题。其实不止是“烦不烦”,还有很多读者问过我类似这样的问题。 我接的私活不算多,挣到的钱也没有多少,加起来不到 20W。说实话,这个数目说出来我是有点心虚的,毕竟太少了,大家轻喷。但我想,恰好配得上“一般程序员”这个称号啊。毕竟苍蝇再小也是肉,我也算是有经验的人了。 唾弃接私活、做外
(经验分享)作为一名普通本科计算机专业学生,我大学四年到底走了多少弯路
今年正式步入了大四,离毕业也只剩半年多的时间,回想一下大学四年,感觉自己走了不少弯路,今天就来分享一下自己大学的学习经历,也希望其他人能不要走我走错的路。 (一)初进校园 刚进入大学的时候自己完全就相信了高中老师的话:“进入大学你们就轻松了”。因此在大一的时候自己学习的激情早就被抛地一干二净,每天不是在寝室里玩游戏就是出门游玩,不过好在自己大学时买的第一台笔记本性能并不是很好,也没让我彻底沉...
如何写一篇技术博客,谈谈我的看法
前言 只有光头才能变强。 文本已收录至我的GitHub精选文章,欢迎Star:https://github.com/ZhongFuCheng3y/3y 我一直推崇学技术可以写技术博客去沉淀自己的知识,因为知识点实在是太多太多了,通过自己的博客可以帮助自己快速回顾自己学过的东西。 我最开始的时候也是只记笔记,认为自己能看得懂就好。但如果想验证自己是不是懂了,可以写成技术博客。在写技术博客的...
字节跳动面试官这样问消息队列:分布式事务、重复消费、顺序消费,我整理了一下
你知道的越多,你不知道的越多 点赞再看,养成习惯 GitHub上已经开源 https://github.com/JavaFamily 有一线大厂面试点脑图、个人联系方式和人才交流群,欢迎Star和完善 前言 消息队列在互联网技术存储方面使用如此广泛,几乎所有的后端技术面试官都要在消息队列的使用和原理方面对小伙伴们进行360°的刁难。 作为一个在互联网公司面一次拿一次Offer的面霸...
面试还搞不懂redis,快看看这40道面试题(含答案和思维导图)
Redis 面试题 1、什么是 Redis?. 2、Redis 的数据类型? 3、使用 Redis 有哪些好处? 4、Redis 相比 Memcached 有哪些优势? 5、Memcache 与 Redis 的区别都有哪些? 6、Redis 是单进程单线程的? 7、一个字符串类型的值能存储最大容量是多少? 8、Redis 的持久化机制是什么?各自的优缺点? 9、Redis 常见性...
大学四年自学走来,这些珍藏的「实用工具/学习网站」我全贡献出来了
知乎高赞:文中列举了互联网一线大厂程序员都在用的工具集合,涉及面非常广,小白和老手都可以进来看看,或许有新收获。
互联网公司的裁员,能玩出多少种花样?
裁员,也是一门学问,可谓博大精深!以下,是互联网公司的裁员的多种方法:-正文开始-135岁+不予续签的理由:千禧一代网感更强。95后不予通过试用期的理由:已婚已育员工更有责任心。2通知接下来要过苦日子,让一部分不肯同甘共苦的员工自己走人,以“兄弟”和“非兄弟”来区别员工。3强制996。员工如果平衡不了工作和家庭,可在离婚或离职里二选一。4不布置任何工作,但下班前必须提交千字工作日报。5不给活干+...
【设计模式】单例模式的八种写法分析
网上泛滥流传单例模式的写法种类,有说7种的,也有说6种的,当然也不排除说5种的,他们说的有错吗?其实没有对与错,刨根问底,写法终究是写法,其本质精髓大体一致!因此完全没必要去追究写法的多少,有这个时间还不如跟着宜春去网吧偷耳机、去田里抓青蛙得了,一天天的....
《面试宝典》:检验是否为合格的初中级程序员的面试知识点,你都知道了吗?查漏补缺
欢迎关注文章系列,一起学习 《提升能力,涨薪可待篇》 《面试知识,工作可待篇》 《实战演练,拒绝996篇》 也欢迎关注公 众 号【Ccww笔记】,原创技术文章第一时间推出 如果此文对你有帮助、喜欢的话,那就点个赞呗,点个关注呗! 《面试知识,工作可待篇》-Java笔试面试基础知识大全 前言 是不是感觉找工作面试是那么难呢? 在找工作面试应在学习的基础进行总结面试知识点,工作也指日可待,欢...
关于研发效能提升的思考
研发效能提升是最近比较热门的一个话题,本人根据这几年的工作心得,做了一些思考总结,由于个人深度有限,暂且抛转引入。 三要素 任何生产力的提升都离不开这三个因素:人、流程和工具,少了其中任何一个因素都无法实现。 人,即思想,也就是古人说的“道”,道不同不相为谋,是制高点,也是高层建筑的基石。 流程,即方法,也是古人说的“法”。研发效能的提升,也就是要提高投入产出比,既要增加产出,也要减...
微博推荐算法简述
在介绍微博推荐算法之前,我们先聊一聊推荐系统和推荐算法。有这样一些问题:推荐系统适用哪些场景?用来解决什么问题、具有怎样的价值?效果如何衡量? 推荐系统诞生很早,但真正被大家所重视,缘起于以”facebook”为代表的社会化网络的兴起和以“淘宝“为代表的电商的繁荣,”选择“的时代已经来临,信息和物品的极大丰富,让用户如浩瀚宇宙中的小点,无所适从。推荐系统迎来爆发的机会,变得离用户更近: 快...
相关热词 c#开发的dll注册 c#的反射 c# grid绑定数据源 c#多线程怎么循环 c# 鼠标左键 c# char占位符 c# 日期比较 c#16进制转换为int c#用递归求顺序表中最大 c#小型erp源代码
立即提问