1、可以使用github中最新的代码编译，但是使用的貌似是vs2015创建的工程文件，需要改动一下即可

2、使用ResizableLib download | SourceForge.net

下载编译，这时候需要创建一个vs2013的工程，然后将里面的源码复制进来

在#include "StdAfx.h"中修改，加上：

#define WINVER 0x0602
#define _WIN32_WINNT 0x602

#ifndef _WIN32_IE
#define _WIN32_IE 0x602
#endif // !_WIN32_IE

如下所示：

已经配置好的源码及解决方案下载地址：

ResizableLib界面库-C++文档类资源-CSDN文库

# c++
Logo
开放原子开发者工作坊

开放原子开发者工作坊旨在鼓励更多人参与开源活动，与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动，如meetup、训练营等，主打技术交流，干货满满，真诚地邀请各位开发者共同参与！

更多推荐

入门级概述光学相干层析（OCT）原理

光学相干层析成像（Optical Coherence tomoghraphy，OCT），利用光的低相干原理获取组织的深度信息。巴拉巴拉的简述，作用和发展一类的可以找论文上看。关键词：光学，相干，层析，后向散射，差分法，要点一、为什么要用光学 ？答、（1）光学成像可以不直接接触组织，（2）采用的成像光的功率都不会太高，损伤小，（3）光的波长短，衍射效应小（直线传输效果好，相对超声，电波等

avatar 开放原子开发者工作坊

复杂度分析——时间复杂度和空间复杂度（超详细总结）

我们知道，编写代码的时候，使用合适的数据结构和算法，特别是在处理体量非常庞大的数据的时候，可以极大地提高计算效率。那么，数据结构和算法效率如何去衡量，如何选用合适的数据结构和算法呢？需要引入一个衡量的标准(metric)—时间复杂度和空间复杂度。学习数据结构和算法的基石，就是要学会复杂度分析。知道怎么去分析复杂度，才能作出正确的判断，在特定的场景下选用合适的正确的算法。而不是盲目的死记烂背，机械操

avatar 开放原子开发者工作坊

一篇解决：win10安装CUDA以及GPU版pytorch

目录安装CUDA先看看电脑显卡是否支持安装相应版本的CUDA下载cudnnpytorch在线安装pytorch GPU版本安装CUDA先看看电脑显卡是否支持先看看自己的电脑是不是N卡，搜索设备管理器。可以通过英伟达官网检查自己GPU能否支持CUDA，这里给大家截取了一部分可以支持CUDA的显卡链接：https://developer.nvidia.com/cuda-gpus安装相应版本的CUDA下

avatar 开放原子开发者工作坊