新闻详情

新闻详情

首页 / 资讯中心 / 详情

c#面试知识汇总

发布时间:2026/10/23 13:09:13来源:尧图网络
c#面试知识汇总
show和showDialog的区别show属于非模态showDialog属于模态showDialog需等当前窗口关闭后才能进行其他交互show相反不需要关闭当前窗口即可交互。另外show是异步showDialog是同步2.什么是大小端大小端是内存中的储存方式例如abcd 甲客户小端发送客户乙abcd 乙客户用大端接收dcba 这样就会造成数据前后不一致所以在通讯时要确定对方是大端还是小端接收3.opc是什么opc是上位机服务器与下位机plc中间的桥梁是一种通讯协议用途负责采集数据OPC Classic依赖windows环境opcua可以跨平台是未来趋势4.Ref和Out的区别ref 给我一个变量使用前需要赋值我要在方法内部改变它public void accref int x { x10 } 调用 int a5 acca console.writeLine a 15out给我一个空变量使用前不需要赋值我要在方法内部填它public void accout int x { x10 } 调用 int a acca console.writeLine a 105.你了解MVC吗简单叙述下MVC分为模型层。逻辑处理层。视图层 逻辑层负责衔接模型层与视图层从模型层获取到的数据在逻辑层处理后再视图层展示给用户6.如何创建一个简单的 ASP.NET MVC 应用程序在vs中创建一个ASP.NET MVC项目然后添加模型试图逻辑层控制层来构建应用程序。7.MVC模式和其他设计模式有什么区别?MVC模式是一种架构模式,用于设计程序的组织架构,其他设计模式(工厂模式,单例模式)是对特定问题的解决方案8.parms含义及用法?parms可以在方法入参同类型传入多个参数,不需要定义类型使用时放在最后一个参数上,方法入参只能有一个parmspublic void testParms(parms int [] arrs){ foreach(var s in arrs){ Console.write(s); } } testParms(1,2,3); //可以直接放入多个参数9.请解释一下.NET 中的AOP(Aspect-0riented Programming)是什么以及它的作用面向切面编程,对通用方法进行抽离,解决代码臃肿,解耦合10.什么是迪米特法则?当一个实体与其他实体尽量少发生相互作用,方便后期进行扩展11.lock为什么要锁定一个参数可不可锁定一个值类型?这个参数有什么要求?lock必须锁的是一个对象,这个对象在内存中只有一个实例,如果是值类型则会装箱,每次装完箱对象不同12.modbusTcp用的什么方法通信?socket s new socket(); s.connect(ip,port); s.send() s.receive()13.委托与回调委托相当于将方法当成参数丢进去通俗理解它就是一个“装方法的容器”或者说是一张“名片”。常规的变量比如int a 10;变量a里面装的是数据数字 10。委托变量它里面装的不是数据而是方法动作/函数。回调通俗理解“回调”是一种动作就是“你先去忙事情办妥了我主动叫你”有问题的欢迎大家多多指教
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/21 7:55:59

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/21 11:01:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/21 11:01:49

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/22 21:24:36

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/21 8:10:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/21 11:01:47

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉