CAD二次开发下拉菜单栏框架及案例
2026-01-30 04:02:14作者:霍妲思
本文档提供了C++、ObjectARX环境下,用于CAD软件二次开发下拉菜单制作的案例。该资源包含了菜单制作框架,以及与数据库、Excel、GridCtrl交互的示例,同时提供了基本的绘图函数,旨在帮助开发者快速上手并提高开发效率。
资源内容
- 下拉菜单制作框架:为开发者提供了一个易于扩展的菜单制作框架。
- 数据库操作:集成数据库操作示例,方便开发者实现数据的存取。
- Excel操作:提供Excel操作案例,实现数据与Excel的交互。
- GridCtrl应用:展示了GridCtrl控件的使用,以丰富界面交互。
- 基本绘图函数:包括一系列绘图函数,帮助开发者实现基础的绘图需求。
使用说明
- 下载并解压资源文件。
- 在C++或ObjectARX开发环境中引用相关库文件。
- 根据提供的示例代码,进行适当的修改与扩展,以适应具体的项目需求。
注意事项
- 确保开发环境支持C++及ObjectARX。
- 菜单制作框架可能需要根据具体CAD软件进行调整。
- 使用数据库和Excel操作前,请确保已安装相关驱动。
本资源旨在促进CAD软件的二次开发工作,希望通过此案例,降低开发难度,提升开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220