什么是混合模式组合？(What is a mixed mode assembly?)
我正在查看System.Data.SQLite下载页面 ，它列出了.NET 4和常规（我假设）的混合模式程序集。 我将使用这个库的项目是所有.NET 4，它将被编译为x86。
我有两个问题：
- 什么是混合模式装配体？ Google返回一系列令人困惑的答案，其中没有一个很有意义。 一个答案指出，这一切都是关于混合本机和托管代码，而另一个则声称要混合使用.Net版本。
- 我应该为哪些下载我的情况？
I am looking at the System.Data.SQLite download page, and it lists mixed mode assembly for .NET 4 and a regular (I assume). My project that is going to use this library is all .NET 4 which will be compiled to x86.
I have 2 questions:
- What is a mixed-mode assembly? Google returns a confusing array of answers, none of which make a lot of sense. One answer states that it's all about mixing native and managed code, while others claim its for mixing .Net versions.
- Which download should I get for my situation?
原文：https://stackoverflow.com/questions/7266936
更新时间：2023-11-10 19:11
最满意答案
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", "yellow", "#FF7F00", "red", "#7F0000")) plot(x,y, col=jet.colors(12)[z], ylim=c(0,100), pch=20, cex=2) legend(8.5,90, col = jet.colors(12)[z], legend=z, pch=15)如果要检查颜色，可以使用z值标记点：
text(x, y+2, labels=z) #offset vertically to see the colors
另一种选择是使用package：akima，它对不规则（非）-grids进行插值：
require(akima) require(lattice) ak.interp <- interp(x,y,z) pdf(file="out.pdf") levelplot(ak.interp$z, main="Output of akima plotted with lattice::levelplot", contour=TRUE) dev.off()
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", "yellow", "#FF7F00", "red", "#7F0000")) plot(x,y, col=jet.colors(12)[z], ylim=c(0,100), pch=20, cex=2) legend(8.5,90, col = jet.colors(12)[z], legend=z, pch=15)And if you want to check the coloring you can label the points with the z value:
text(x, y+2, labels=z) #offset vertically to see the colors
Another option is to use package:akima which does interpolations on irregular (non)-grids:
require(akima) require(lattice) ak.interp <- interp(x,y,z) pdf(file="out.pdf") levelplot(ak.interp$z, main="Output of akima plotted with lattice::levelplot", contour=TRUE) dev.off()
相关问答
更多-
您的命题＃1将导致令人头疼的查询数据。 想象一下像是“谁在这里工作，在1976年7月4日在哪个位置”？ 您的命题＃2是我称之为“年代表”。 它非常高效，您可以将它用于各种“按时间顺序”的事件，例如： 程序ISO无论如何，版本1.034，从2008年2月2日到2003年1月1日有效。 此人的护照于2009年11月1日签发，有效期至2019年10月30日。 这间客房适合于3月15日的10至12日的会议 等等 在所有这些情况下（和其他情况），您可以使用“年表”策略。 这也意味着，在开发方面，您可以轻松定义一些“年 ...
-
使用颜色作为第三维度(Using color as the 3rd dimension)[2022-05-10]
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", "yellow", "#FF7F00", "red", "#7F0000")) plot(x,y, col=jet.colors(12)[z], ylim=c(0,100), pch=20, cex=2) legend(8.5,90, col = jet.colors(12)[z], legend ... -
Matplotlib：2维绘图用第3维（类别）改变线条颜色(Matplotlib: 2-D plot changing line color with 3rd dimension (category))[2022-04-16]
看看SciPy.Cookbook.MulticoloredLine 另一种方法可能是 - 在底部添加/关闭ColorBar 。 心连心！ Just look at SciPy.Cookbook.MulticoloredLine Another approach could be - add on/off ColorBar in the bottom of plot. hth! -
或者（最后一把斧头将是第一个）： np.rollaxis(a,-1).ravel() Or (the last axe will be first) : np.rollaxis(a,-1).ravel()
-
设x为3xN阵列， y为3x3阵列。 您正在寻找 z = numpy.einsum('ji,jk,ki->i', x, y, x) 您也可以构建您正在讨论的3x3xN阵列作为y的视图以避免复制，但这不是必需的。 Let x be the 3xN array and y be the 3x3 array. You're looking for z = numpy.einsum('ji,jk,ki->i', x, y, x) You also could have built that 3x3xN arra ...
-
dim() > 2的等价或row/col是?slice.index ： #with lmo's example temp - (1:3)[slice.index(temp, 3)] 与row/col一样，它创建一个等于“dim”的整数数组作为输入，这可能比for循环更低效。 以及记录的基准： f1 = function(x, v) { for(k in seq_len(dim(x)[3])) x[, , k] = x[, , k] - v[[k]] return(x) } f2 = fu ...
-
您可以使用bsxfun将2D线性索引broadcast到3D案例而不会弄乱输入数组，就像这样 - [m,n,r] = size(I); out = I(bsxfun(@plus,linInd,(m*n*(0:r-1))')) 样本设置 %// ---------------- 2D Case --------------------- im = randi(9,10,10); imSize = size(im); rowPnts = [3,6,8,4]; colPnts = [6,3,8,5]; lin ...
-
使用reshape ： R = rand(245,85,1460); % Some random data, same dimensions as your example szR = size(R); A = squeeze(mean(reshape(R,[szR(1:2) 4 szR(3)/4]),3)); % Mean across 3rd dimension 需要squeeze功能将结果推回到三维阵列。 A(:,:,1)应该等于mean(R(:,:,1:4),3) ，依此类推。 Using res ...
-
使用rowSums 。 它提供了一个dims参数，它指定“[w]这些维度被视为'行'或'列'进行求和。对于行*，和或平均值超过维度dims + 1”。 a <- array(1:16, c(2, 2, 2)) #, , 1 # # [,1] [,2] #[1,] 1 3 #[2,] 2 4 # #, , 2 # # [,1] [,2] #[1,] 5 7 #[2,] 6 8 rowSums(a, dims = 2) # [,1] [, ...
-
D= %existing matrix scale=2.5; E=zeros(size(D,1)*2.5,size(D,2)*2.5,size(D,3)) for depth=1:size(D,3) E(:,:,depth)=resizem(D(:,:,depth),scale) end 这应该提供预期的输出。 D= %existing matrix scale=2.5; E=zeros(size(D,1)*2.5,size(D,2)*2.5,size(D,3)) for depth=1:size(D ...