Sublime Text 2搭建Java开发环境及输出编码问题解决

本文介绍如何在Sublime Text 2中搭建Java开发环境,包括设置PATH环境变量、创建批处理脚本、配置Java构建环境及解决常见编码问题的方法。

1. 设置Java的PATH环境变量

(省略)

2. 创建批处理或Bash Shell脚本文件

打开任意的文本编辑器,输入下面的内容,并保存为runJava.bat文件。
[plain]  view plain copy print ?
  1. @ECHO OFF  
  2. cd %~dp1  
  3. ECHO Compiling %~nx1.......  
  4. IF EXIST %~n1.class  
  5. DEL %~n1.class  
  6.  
  7. javac %~nx1  
  8. IF EXIST %~n1.class  
  9. ECHO -----------OUTPUT-----------  
  10. java %~n1  
  11.  

然后把runJava.bat批处理文件移动到JDK的bin目录。

3. 在Sublime Text 2编辑器中配置相应的Java构建环境

即添加刚才创建的批处理脚本。
(1) 打开Sublime的包目录,使用菜单Perferences->BrowsePackages
(2) 选择Java目录
(3) 打开JavaC.sublime-build,并替换下面的行

作者:chszs,转载需注明。博客主页:http://blog.csdn.net/chszs

如图所示:


改成:



4. 写一个Java程序测试一下。

编写一个名为Demo.java的程序,内容如下:
[java]  view plain copy print ?
  1. public class Demo{  
  2.     public static void main(String[] args){  
  3.         System.out.println("This is my test program.");  
  4.         int 10 
  5.         int 20 
  6.         int b;  
  7.         System.out.println("Result " c);  
  8.      
  9.  

编译和运行Java程序,使用Ctrl+B。

结果输出如图所示:



是不是很有趣呢??


在Sublime Text 2上搭建Java开发环境后,如果遇到报错,错误提示如下:

Compiling Demo.java.......[Decode error - output not utf-8][Decode error - output not utf-8][Finished in 0.5s]


应该怎么办?
这是因为Java配置的编译环境的编码不正确,因为默认的Sublime Text 2的编码是UTF-8。

很简单,解决办法如下:

【解决办法】修改JavaC.sublime-build配置文件,添加如下行:(如图所示)


文章转载自:http://blog.csdn.net/chszs

内容概要:本文详细介绍了具有最大功率点追踪(MPPT)功能的单相单级脉宽调制(PWM)光伏并网逆变器的Simulink仿真实现过程。该仿真模型聚焦于光伏系统的核心环节,通过构建完整的电路拓扑与控制逻辑,实现了直流电到交流电的高效转换,并确保逆变器输出的电流与电网电压同频同相,满足并网技术要求。重点在于MPPT算法的设计与应用,能够实时追踪光伏阵列在不同光照和温度条件下的最大功率输出点,从而显著提升太阳能的转换效率与系统整体性能。整个系统基于Simulink平台完成建模、仿真与验证,充分展示了其在动态响应、稳态精度及并网稳定性方面的优良特性,为光伏并网系统的研发与教学提供了完整的实践范例。; 适合人群:具备电力电子、自动控制或新能源发电基础知识,从事光伏系统研究、电力系统仿真的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习和掌握单相光伏并网逆变器的基本工作原理与系统构成;②深入理解MPPT算法(如扰动观察法、增量电导法等)在实际系统中的实现方式与作用;③利用Simulink进行电力电子系统建模与仿真,为科研项目、课程设计或工程项目提供技术参考和实现范例。; 阅读建议:在学习过程中,应结合Simulink模型文件,仔细分析各模块(如主电路、驱动、MPPT控制器、锁相环PLL、电流控制环)的参数设置与连接逻辑,通过修改光照强度、温度等外部条件,观察系统动态响应,以加深对并网控制策略的理解。
内容概要:本文系统研究了基于CNN-BiLSTM-Attention混合深度学习模型的电力负荷预测方法,并提供了完整的Python代码实现。该模型通过卷积神经网络(CNN)有效提取负荷数据中的局部特征与空间模式,利用双向长短期记忆网络(BiLSTM)充分捕捉时间序列前后向的长期依赖关系,并结合注意力机制(Attention)动态聚焦于关键时间步的重要特征,从而显著提升预测的准确性与模型鲁棒性。文中详细阐述了数据预处理、模型架构设计、训练优化流程及实验验证过程,证明了该混合模型在处理非线性、非平稳电力负荷数据方面相较于传统模型具有明显优势。; 适合人群:具备Python编程能力和深度学习基础知识,从事电力系统、能源管理、智能电网或时间序列预测相关工作的科研人员与工程技术人员,特别适合高校研究生及企业研发岗位人员。; 使用场景及目标:①应用于电网调度、能源管理系统中的短期与超短期电力负荷预测;②提升对复杂用电行为和突发负荷变化的建模能力,优化电力资源配置与运行效率;③为需求响应、电力市场竞价及智能电网规划等提供高精度的数据支持。; 阅读建议:读者应结合所提供的Python代码进行动手实践,深入理解各模块的设计原理与实现细节,建议使用真实的电力负荷数据集进行模型复现、参数调优与性能对比,以全面掌握该混合模型在实际工程场景中的应用技巧与优化策略。
源码下载地址: https://pan.quark.cn/s/aac641f5afd0 AI 发展历程与深度学习兴起.docx 深度探索人工智能的历史进程与深度学习的技术突破 人工智能的思想早在二十世纪五十年代便已诞生,然而其发展道路并非一帆风顺,历经多次起伏,直至近期深度学习技术的显著进步才重新吸引了社会的广泛关注。作为神经网络基础的感知机理论被首次提出,尽管早期的人工智能体系存在诸多不足之处,但在二十世纪八十年代左右,多层神经网络架构以及反向传播算法的问世,使得神经网络与人工智能的研究迎来了新的繁荣期。尽管如此,受限于当时的计算性能和数据规模,人工智能技术未能实现大规模的普及与推广。 深度学习的兴盛 近期以来,得益于计算能力的持续增强,图形处理器(GPU)的广泛应用以及大规模分布式计算平台的构建,深度神经网络即深度学习技术成功克服了多项学术研究上的挑战,在计算机视觉、语音识别、自然语言理解等多个关键领域均取得了令人瞩目的成就。 人工智能对就业市场的冲击 AI 技术的快速发展引发了关于职业替代性的热议,人们开始探讨哪些工作岗位可能被人工智能所取代,同时关注新职业类型的涌现。人工智能技术的普及也引发了一些担忧,部分人士担忧自身职业安全,甚至有人对人类与机器人的未来关系表示忧虑。 普通技术人员入门人工智能的途径 对于具备基础编程能力的人员,如何系统性地开展人工智能学习?首要任务是明确人工智能的核心概念、其适用的解决方案类型以及能够发挥价值的应用场景。随后,应结合个人兴趣选择具体的应用方向,并运用所学知识解决实际问题,通过实践积累经验,为后续的系统化学习奠定基础。 学习人工智能的三个主要阶段 掌握人工智能技术通常包含三个递进的阶段:第一阶段是基础认知阶段,主要目标是...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值