在ASP.NET 2.0中操作数据之六：编程设置ObjectDataSource的参数值
作者：heker2007
字体：[ ] 类型：转载 时间：
本文主要介绍在ObjectDataSource控件的Selecting事件中，设置InputParameters参数，配合业务层的查询方法，以达到查询不同数据的目的。
　　正如我们在上一节的教程中所看到的，有很多可供选择的方式把参数的值传递到OjbectDataSource的方法里。假如参数值是采用硬编码方式，来源于页面上的一个Web控件，又或者其他可被数据源Parameter对象读取的源，那么这个值可以绑定到输入参数而不需要写一行的代码。
　　然而有些时候，参数值来自某些在数据源的内置Parameter对象里还没有计算出来的源。假如我们的站点支持我们的考虑那么我们也许希望参数基于当前登录用户。又或者我们在参数传送到ObjectDataSource的隐含对象的方法前做一些客户化定制。
　　无论什么时候调用ObjectDataSource的Seelect方法，它都会首先触发它的Selecting事件，然后才调用ObjectDataSource的隐含对象的方法，完成后则激发ObjectDataSource ObjectDataSource的Selected 事件（图一说明这些事件的顺序）。可以在Selecting事件的事件委托中对参数的值进行设置或更改。
图 1: ObjectDataSource的Selected 和 Selecting 事件分别在调用它的隐含对象的方法之前和之后触发
　　这一节里我们将看看添加一个接受一个输入参数方法到DAL和BLL层，参数名为Month，int类型，方法返回一个EmployeesDataTable对象，里边包含的是雇佣周年纪念都指定月份的雇员。我们的例子将编码设置为基于当前月份，显示一个“本月雇用周年纪念员工”列表。
让我们开始吧！
第一步: 添加一个方法到 EmployeesTableAdapter
　　在我们的第一个例子里，我们需要添加一个方法来获取那些雇用日期（HireDate）在某个指定月份的员工。在我们的程序架构下为了提供这个功能，我们首先需要在通过特定SQL语句映射出来的EmployeesTableAdapter中创建一个方法。为了实现这一点，首先打开Northwind类型化数据集，在EmployeesTableAdapter标签上右键选择“添加查询”。
图 2: 在 EmployeesTableAdapter里添加一个查询
　　选择返回一个或多个行和列的SQL语句。当到达指定SELECT语句窗口时，EmployeesTableAdapter已经装载了默认的SELECT语句。简单地，添加一个WHERE子句：WHERE DATEPART(m, HireDate) = @Month 。其中DATEPART是T-SQL里的一个函数，用作返回日期类型的一部分；在这里，我们使用DATEPART函数返回雇用日期（HireDate）列的月份部分。
图 3: 仅返回 HireDate 列的值小于等于参数 @HiredBeforeDate的行
最后，分别把默认的方法名FillBy和GetDataBy更改为FillByHiredDateMonth和GetEmployeesByHiredDateMonth 。
图 4: 选择比FillBy和GetDataBy更恰当的方法名称
点击“完成”结束向导并返回到数据集的设计界面。这时候EmployeesTableAdapter会包含一套新的方法来获取指定月份雇用的员工。
图 5: 新的方法出现在数据集的设计界面
第二步: 在业务逻辑层添加方法 GetEmployeesByHiredDateMonth(month)
　　因为我们的程序架构使用了单独的一层来处理业务逻辑和数据逻辑，我们需要在BLL里增加一个方法，该方法调用DAL的方法获取指定月份里雇用的员工。打开文件EmployeesBLL.cs并添加下面这个方法：
[ponentModel.ponentModel.DataObjectMethodType.Select, false)]
public Northwind.EmployeesDataTable GetEmployeesByHiredDateMonth(int month)
return Adapter.GetEmployeesByHiredDateMonth(month);
和此类里的其他方法一样，GetEmployeesByHiredDateMonth(month)仅仅是简单地调用DAL并返回结果。
第三步: 显示雇用周年纪念日在本月份的员工
　　最后一部我们举例说明如何显示雇用周年纪念在本月份的员工。首先，添加一个GridView控件到页面ProgrammaticParams.aspx，该页面在文件夹BasicReporting里。添加一个新的ObjectDataSource控件作为它的数据源。配置ObjectDataSource使用类EmployeesBLL并指定SelectMethod属性为GetEmployeesByHiredDateMonth(month)。
图 6: 使用EmployeesBLL 类
图 7: 选择GetEmployeesByHiredDateMonth(month)方法
最后一屏要求我们给month参数提供参数源。既然我们将编码设置这个值，就让参数源维持它的默认选项None，点击“完成”。
图 8: 让参数源设置为None
这将在ObjectDataSource的SelectParameters集合里创建一个未指定参数值的Parameter对象。
&asp:ObjectDataSource ID="ObjectDataSource1" runat="server" OldValuesParameterFormatString="original_{0}"
SelectMethod="GetEmployeesByHiredDateMonth" TypeName="EmployeesBLL"&
&SelectParameters&
&asp:Parameter Name="month" Type="Int32" /&
&/SelectParameters&
&/asp:ObjectDataSource&
　　要编码设置这个参数值，我们需要给ObjectDataSource的Selecting事件添加一个事件委托。为了实现这一点，到设计视图里在ObjectDataSource上双击。另一种方式是选中ObjectDataSource在属性窗口里点击***闪电小图标，然后，直接在Selecting这一栏里双击或者输入一个你要使用的事件委托的名称。
图 9:点击属性窗口里的闪电图标列出Web控件的所有事件
两种途径都可以在页面的代码隐藏类里增加一个对ObjectDataSource的Selecting事件的事件委托。在这个事件委托里，我们可以通过使用e.InputParameters[parameterName]读取参数的值，其中parameterName的值是&asp:Parameter&标签里的属性Name的值（InputParameters也可以按照索引访问，用e.InputParameters[index]）。为了把month参数设置为当前月份，需要在Selecting事件委托里加入如下代码：
protected void ObjectDataSource1_Selecting(object sender, ObjectDataSourceSelectingEventArgs e)
e.InputParameters["month"] = DateTime.Now.M
当通过浏览器访问该页面，我们可以看到只有一个员工是在当前月份（三月）雇用的：Laura Callahan，他从1994年3月开始雇用。
图 10: 雇用周年纪念日在本月份的员工被显示出来了
　　虽然可以用特定的方式声明ObjectDataSource的参数值而不需要写代码，编程设置参数值同样很容易。我们需要做的仅仅是给ObjectDataSource的Selecting事件增加一个事件委托，它在调用隐含对象的方式前触发，并且通过InputParameters集合手工设置一个或多个参数值。
本节结束基本这一章。下一节我们开始主从数据一章，这一章里我们将着眼于允许访问者筛选数据和主从数据处理的技巧。
祝编程快乐！
Scott Mitchell，著有六本ASP/ASP.NET方面的书，是的创始人，自1998年以来一直应用微软Web技术。Scott是个独立的技 术咨询顾问，培训师，作家，最近完成了将由Sams出版社出版的新作，24小时内精通ASP.NET 2.0。他的联系电邮为，也可以通过他的博客与他联系。
您可能感兴趣的文章:
大家感兴趣的内容
12345678910
最近更新的内容
常用在线小工具参数设置α：梯度上升算法迭代时候权重更新公式中包含 α ： /content/512126.html
为了更好理解 α和最大迭代次数的作用，给出Python版的函数计算过程。[code]# 梯度上升算法-计算回归系数
# 每个回归系数初始化为1# 重复R次：# 计算整个数据集的梯度# 使用α*梯度更新回归系数的向量# 返回回归系数def gradAscent(dataMatIn, classLabels,alpha=0.001,maxCycles = 500):dataMatrix = mat(dataMatIn)
#转换为numpy数据类型labelMat = mat(classLabels).transpose()m,n = shape(dataMatrix)
maxCycles = 500weights = ones((n,1))for k in range(maxCycles):
h = sigmoid(dataMatrix*weights)
error = (labelMat - h)
#计算真实类别与预测类别的差值，按照该差值的方向调整回归系数weights = weights + alpha* dataMatrix.transpose() * errorreturn weightsλλ，正则化参数（泛化能力），加正则化的前提是特征值要进行归一化。
在实际应该过程中，为了增强模型的泛化能力，防止我们训练的模型过拟合，特别是对于大量的稀疏特征，模型复杂度比较高，需要进行降维，我们需要保证在训练误差最小化的基础上，通过加上正则化项减小模型复杂度。在逻辑回归中，有L1、L2进行正则化。&
损失函数如下：
/yjs/996300.html 在损失函数里加入一个正则化项，正则化项就是权重的L1或者L2范数乘以一个λ，用来控制损失函数和正则化项的比重，直观的理解，首先防止过拟合的目的就是防止最后训练出来的模型过分的依赖某一个特征，当最小化损失函数的时候，某一维度很大，拟合出来的函数值与真实的值之间的差距很小，通过正则化可以使整体的cost变大，从而避免了过分依赖某一维度的结果。当然加正则化的前提是特征值要进行归一化。thresholdthreshold变量用来控制分类的阈值，默认值为0.5。表示如果预测值小于threshold则为分类0.0，否则为1.0。在Spark Java中 ElasticNetParam ： α ；RegParam ：λ。[code]LogisticRegression lr=new LogisticRegression() .setMaxIter(10) .setRegParam(0.3) .setElasticNetParam(0.2).setThreshold(0.5);分类效果评估参考：/content/4616400.html .cn/s/blog_01czyo.html http://blog.chinaunix.net/uid-446337-id-94448.html /content/961206.html混淆矩阵（Confusion matrix）： 考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被 预测成正类，即为真正类（True positive）,如果实例是负类被预测成正类，称之为假正类（False positive）。相应地，如果实例是负类被预测成负类，称之为真负类（True negative）,正类被预测成负类则为假负类（false negative）。
TP：正确肯定的数目；
FN：漏报，没有正确找到的匹配的数目；
FP：误报，给出的匹配是不正确的；
TN：正确拒绝的非匹配对数
精确率，precision = TP / (TP + FP) 模型判为正的所有样本中有多少是真正的正样本 召回率，recall = TP / (TP + FN) 准确率，accuracy = (TP + TN) / (TP + FP + TN + FN)
反映了分类器统对整个样本的判定能力----能将正的判定为正，负的判定为负
如何在precision和Recall中权衡？ F1 Score = P*R/2(P+R)，其中P和R分别为 precision 和 recall 在precision与recall都要求高的情况下，可以用F1 Score来衡量
为什么会有这么多指标呢？
这是因为模式分类和机器学习的需要。判断一个分类器对所用样本的分类能力或者在不同的应用场合时，需要有不同的指标。 当总共有个100 个样本（P+N=100）时，假如只有一个正例（P=1），那么只考虑精确度的话，不需要进行任何模型的训练，直接将所有测试样本判为正例，那么 A 能达到 99%，非常高了，但这并没有反映出模型真正的能力。另外在统计信号分析中，对不同类的判断结果的错误的惩罚是不一样的。举例而言，雷达收到100个来袭导弹的信号，其中只有 3个是真正的导弹信号，其余 97 个是敌方模拟的导弹信号。假如系统判断 98 个（97 个模拟信号加一个真正的导弹信号）信号都是模拟信号，那么Accuracy=98%，很高了，剩下两个是导弹信号，被截掉，这时Recall=2/3=66.67%，Precision=2/2=100%，Precision也很高。但剩下的那颗导弹就会造成灾害。ROC曲线和AUC 有时候我们需要在精确率与召回率间进行权衡， 调整分类器threshold取值，以FPR（假正率False-positive rate）为横坐标，TPR（True-positive rate）为纵坐标做ROC曲线； Area Under roc Curve(AUC)：处于ROC curve下方的那部分面积的大小通常，AUC的值介于0.5到1.0之间，较大的AUC代表了较好的性能； 精确率和召回率是互相影响的，理想情况下肯定是做到两者都高，但是一般情况下准精确率、召回率就低，召回率低、精确率高，当然如果两者都低，那是什么地方出问题了 Spark 2.0分类评估[code]//获得回归模型训练的SummaryLogisticRegressionTrainingSummary trainingSummary = lrModel.summary();// Obtain the loss per iteration.//每次迭代的损失，一般会逐渐减小double[] objectiveHistory = trainingSummary.objectiveHistory();for (double lossPerIteration : objectiveHistory) {
System.out.println(lossPerIteration);}// Obtain the metrics useful to judge performance on test data.// We cast the summary to a BinaryLogisticRegressionSummary since the problem is a binary// classification problem.//强制类型转换为二类LR的Summary，然后就可以用混淆矩阵,ROC等评估方法了。Spark2.0还无法针对多类BinaryLogisticRegressionSummary binarySummary =
(BinaryLogisticRegressionSummary) trainingS// Obtain the receiver-operating characteristic as a dataframe and areaUnderROC.Dataset&Row& roc = binarySummary.roc();//获得ROCroc.show();//显示ROC数据表，可以用这个数据自己画ROC曲线roc.select("FPR").show();System.out.println(binarySummary.areaUnderROC());//AUC// Get the threshold corresponding to the maximum F-Measure and rerun LogisticRegression with// this selected threshold.//不同的阈值，计算不同的F1，然后通过最大的F1找出并重设模型的最佳阈值。Dataset&Row& fMeasure = binarySummary.fMeasureByThreshold();double maxFMeasure = fMeasure.select(functions.max("F-Measure")).head().getDouble(0);//获得最大的F1值double bestThreshold = fMeasure.where(fMeasure.col("F-Measure").equalTo(maxFMeasure))
.select("threshold").head().getDouble(0);//找出最大F1值对应的阈值（最佳阈值）lrModel.setThreshold(bestThreshold);//并将模型的Threshold设置为选择出来的最佳分类阈值Logistic回归完整的代码 http://spark.apache.org/docs/latest/ml-classification-regression.html[code]package my.spark.ml.practice.import org.apache.log4j.Limport org.apache.log4j.Limport org.apache.spark.ml.classification.BinaryLogisticRegressionTrainingSimport org.apache.spark.ml.classification.LogisticRimport org.apache.spark.ml.classification.LogisticRegressionMimport org.apache.spark.ml.classification.LogisticRegressionTrainingSimport org.apache.spark.sql.Dimport org.apache.spark.sql.Rimport org.apache.spark.sql.SparkSimport org.apache.spark.sql.public class myLogisticRegression { public static void main(String[] args) {SparkSession spark=SparkSession .builder() .appName("LR") .master("local[4]") .config("spark.sql.warehouse.dir","file///:G:/Projects/Java/Spark/spark-warehouse" ) .getOrCreate();String path="G:/Projects/CgyWin64/home/pengjy3/softwate/spark-2.0.0-bin-hadoop2.6/" + "data/mllib/sample_libsvm_data.txt";//屏蔽日志Logger.getLogger("org.apache.spark").setLevel(Level.WARN);Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.OFF);//Load trainning dataDataset&Row& trainning_dataFrame=spark.read().format("libsvm").load(path);
LogisticRegression lr=new LogisticRegression() .setMaxIter(10) .setRegParam(0.3) .setElasticNetParam(0.2).setThreshold(0.5);//fit the modelLogisticRegressionModel lrModel=lr.fit(trainning_dataFrame);//print the coefficients and intercept for logistic regressionSystem.out.println("Coefficient:"+lrModel.coefficients()+"Itercept"+lrModel.intercept());//Extract the summary from the returned LogisticRegressionModelLogisticRegressionTrainingSummary summary=lrModel.summary();//Obtain the loss per iteration.double[] objectiveHistory=summary.objectiveHistory();for(double lossPerIteration:objectiveHistory){System.out.println(lossPerIteration);}// Obtain the metrics useful to judge performance on test data.// We cast the summary to a BinaryLogisticRegressionSummary since the problem is a binary// classification problem.BinaryLogisticRegressionTrainingSummary binarySummary= (BinaryLogisticRegressionTrainingSummary)//Obtain the receiver-operating characteristic as a dataframe and areaUnderROC.Dataset&Row& roc=binarySummary.roc();roc.show((int) roc.count());//显示全部的信息，roc.show()默认只显示20行roc.select("FPR").show();System.out.println(binarySummary.areaUnderROC());// Get the threshold corresponding to the maximum F-Measure and rerun LogisticRegression with// this selected threshold.Dataset&Row& fMeasure = binarySummary.fMeasureByThreshold();double maxFMeasure = fMeasure.select(functions.max("F-Measure")).head().getDouble(0);double bestThreshold = fMeasure.where(fMeasure.col("F-Measure").equalTo(maxFMeasure))
.select("threshold").head().getDouble(0);lrModel.setThreshold(bestThreshold); }}Scikit关键代码分析[code]#For L1 penalization sklearn.svm.l1_min_c allows to calculate the#lower bound for C in order to get a non “null” (all feature #weights to zero) model. #计算一个C的下限值，然后放大到一个区间内。cs = l1_min_c(X, y, loss='log') * np.logspace(0, 3)print("l1_min_c=%.4f"%l1_min_c(X, y, loss='log'))#输出结果:l1_min_c=0.0143clf = linear_model.LogisticRegression(C=1.0, penalty='l1', tol=1e-6)coefs_ = []for c in cs:#循环不同的C clf.set_params(C=c)#重新设置C clf.fit(X, y)#重新计算 coefs_.append(clf.coef_.ravel().copy())#获得系数 print("score %.4f" % clf.score(X, y))#计算分类的scorecoefs_ = np.array(coefs_)#将系数转为np.arrayplt.plot(np.log10(cs), coefs_)#作图 log(C)vs Coefs关键参数C，penalty penalty选择’l1’，’l2’ C：large values of C give more freedom to the model. Conversely, smaller values of C constrain the model more（C，也控制着模型的泛化能力，与前面Spark中所说的RegParam -λ作用类似）Scikit中的LR可以完成多类（one-vs-rest）的分类，L1或L2正则化。
This implementation can fit a multiclass (one-vs-rest) logistic regression with optional L2 or L1 regularization.
binary class L2 penalized logistic regression minimizes the following cost function：
L1 regularized logistic regression solves the following optimization problem
不同情形算法选择： Small dataset or L1 penalty ---&“liblinear” Multinomial loss
---& “lbfgs” or newton-cg” Large dataset
---&“sag”“Sag”：随机平均梯度下降算法，Stochastic Average Gradient descent ，在大数据集上通常比其它算法要快。
It does not handle “multinomial” case, and is limited to L2-penalized
models, yet it is often faster than other solvers for large datasets,
when both the number of samples and the number of features are large.
Stochastic gradient descent is a simple yet very efficient approach to fit linear models. It is particularly useful when the number of samples (and the number of features) is very large.完整的代码如下：[code]print(__doc__)# Author: Alexandre Gramfort &&# License: BSD 3 clausefrom datetime import datetimeimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import linear_modelfrom sklearn import datasetsfrom sklearn.svm import l1_min_ciris = datasets.load_iris()X = iris.datay = iris.targetX = X[y != 2]y = y[y != 2]X -= np.mean(X, 0)################################################################################ Demo path functionscs = l1_min_c(X, y, loss='log') * np.logspace(0, 3)print("Computing regularization path ...")start = datetime.now()clf = linear_model.LogisticRegression(C=1.0, penalty='l1', tol=1e-6)coefs_ = []for c in cs: clf.set_params(C=c) clf.fit(X, y) coefs_.append(clf.coef_.ravel().copy())print("This took ", datetime.now() - start)coefs_ = np.array(coefs_) #50*4维矩阵plt.plot(np.log10(cs), coefs_)ymin, ymax = plt.ylim()plt.xlabel('log(C)')plt.ylabel('Coefficients')plt.title('Logistic Regression Path')plt.axis('tight')plt.show()
最新教程周点击榜
微信扫一扫CS2.0的误解CS2.0其实叫CS起源.CS2.0其实是CS起源的BETA版本，继而被误解为CS起源就是CS2.0.CS2.0的引擎和CS1.X系列的不一样，所以才会叫CS2.0的。起源就是起源，不是CS2.0。你见过CS1.7都没出而出了一个2.0的吗？反恐精英:起源(CS:S)中文名称：：起源 　　反恐精英：新起源 　　绝对武力：次时代（翻译） 　　英文名称： : Source 　　简称： 　　游戏制作：[美国] Valve Software 　　游戏类型：第一人称射击类（） 　　发行时间：日 　　占用磁盘空间：4至6GB 　　官方价格：完整19.99美元+完整MOD 5.00美元。 　　《：起源》(Counter-Strike:Source)是Valve根据《2》研发出的所开发出的一种游戏，所以并不算《半条命》的一个模组（Mod）之一，可以说是与《反恐精英》大大的不同。不论是游戏画面或者游戏人数、地图精致度、武器接口、电脑AI等等，大多与《反恐精英》不同。而CS:S很有可能取代过去在世界各大电玩大赛中《反恐精英》的地位。这款游戏仅有的缺点是，有人抱怨系统需求太高（故不够普遍化）、地图太少等等。
要求配置/cs2.0
游戏最低配置： 　　CPU：1.2GHz 　　内存：128MB 　　显卡：支持DirectX 7的3D加速卡 　　：Windows 2000/XP/ME/98 　　游戏推荐配置： 　　CPU：2.9GHz 　　内存：1GB 　　显卡：支持DirectX9的3D加速卡 　　操作系统：Windows 2000/XP/Vista/7
游戏特色/cs2.0
使用引擎：Source引擎 　　武器：禁止使用盾牌(Shield) 　　地图人数：比起以往只能支援32人还要多，支援到64人。 　　武器接口：比起《反恐精英：零点行动》或《反恐精英》绝对有大大的不同(采用半条命绘图引擎)。 　　游戏画面：由于是HL2的Source引擎，画面酷似半条命而相当精致。 　　自然法则：Source引擎拥有的真实的物理法则，让你身处真实世界一般。 　　地图编辑：不同于以往的WorldCraft或Valve Hammer Editor，CS:S则是用Source SDK编辑。 　　市场机制：CS:S从日开始采用市场机制，武器使用的多就涨价，使用的少就下跌，每星期一更新一次。
游戏更新细节描述/cs2.0
反恐精英(Counter-Strike) 1.6是一个并不太令人满意的版本。这个游戏中秉承的游戏方式和紧张刺激虽然身受人们的喜爱，但这个版本仍然没有能给人留下非常良好的深刻印象。但这些都在反恐精英：起源中发生了彻底的改变。反恐精英：起源并不是反恐精英2，但是它是在21世纪对这个最流行的在线游戏做出的一个重大的升级。从根本上说，反恐精英：起源是一个基于半条命2引擎的全新的游戏。 　　Valve在一开始就装载了一张经过修补的Dust2地图。DaveJ应该为此感到骄傲。这张新的dust2虽然秉承了原来的地图的核心结构，但是CS:Source版本的Dust2仍然拥有非常多的新奇之处。 　　环境氛围在CS的各种各样的地图中从来没有被着重突出过，但这些在反恐精英：起源终将成为历史。直升飞机在上空掠过的声音清晰可闻,小鸟也在欢唱。CS中的地图不再是一系列没有生气的城镇，我们可以看到虫子在空气中飘来荡去，烟雾在地图上空升腾飘摆着，这也给了风一个展现自我的机会。天空的远景让地图看起来无边无际。这些地图看起来是充满生气的，感觉就像它们是这个世界的一部分，而不是生硬的切割出来作为一个电脑游戏的环节。 　　新版的Dust地图不再是单调无聊毫无生气的。Dust2地图中的B点废置生锈的汽车不仅仅让地图看起来更加壮观，同时也在新版的DUST2中能够作为掩体。整个视觉效果看起来令人惊讶。 　　自从1999年反恐精英的正式发布以来，我们中的很多人就开始接触这个游戏。画面效果上的升级能给游戏带来非常大的改观，反恐精英：起源就成功地证明了这一点。在反恐精英：起源中，Source引擎的强大功能被充分的发挥出来。 　　游戏中物体的物理特性也被良好的展现出来。射击铁桶会很自然的让它们发生抖动或者翻倒。在这个新版游戏世界中的很多物体都不再是象原来那样一直静止不动的，这一切都要归功于新的物理引擎。这种直接来自于Source引擎的新的特性，当然不会在根本上完全改变反恐精英的游戏方式，但是我必须要承认让铁桶在Aztec地图中接近A点的斜坡上滚动下去是一件非常有趣的事情。这些被赋予物理特性的物体能够让这个游戏世界更加生动。 　　新的游戏元素会为你的传统的作战情节增加更多新的花样。从废置的汽车底盘下不时地迸出火花，到子弹穿过水面所溅起的水花，环境因素都比以往的任何版本表现得更加富有动感。伙计们，你们要准备习惯于见到激烈交火中从墙面上迸溅出来的碎片。 　　Dust2和Aztec对我而言都是比较熟悉的地图，在新版游戏中，从游戏方式上来看这两张地图都没有过大的变动。实际上，几乎所有的新版地图都可以这样说。同样的游戏方式，但是包含了大量升级过的内涵。当你进入地图开始玩的时候你会感觉到基本上你是在玩经过改进升级的反恐精英。 　　所有武器和装备的模型都经过了革新。新的武器模型毫无疑问比1.6进行了更大的提高。看起来，在我进行测试的时候，只有USP和Glock接近了最终定型。对于其他的模型，Valve说他们目前正处于为所有武器模型进行一系列的改进的进程当中，他们将会把每一款武器模型都做得尽善尽美。USP和Glock的模型看起来性感的一塌糊涂。如果Valve最终会把所有的武器模型都做成这个水准，我们将会在将来见到一些完美的武器装备。 　　沙漠之鹰和M4A1是在反恐精英：起源的测试版发布之前就进行了深入改进的一些武器模型当中的两把***械。但是，即使是从他们目前的程度上来看，武器模型的总体外观仍然是非常吸引人和细节精美的。AK47拥有非常完备精美的瞄准标线，这是通过一个不能进行场景放大的瞄准镜头实现的，这实际上把视野中的世界变成了狙击步***的视觉感观。 　　大多数武器的声音都依然非常让我们感觉到熟悉，以至于完全还能够辨识的出来，但是声音质量无疑获得了进一步提升。有一些***械听起来，例如M4A1，其声音质感仍然可以从重新分化当中获得提高，但是从大多数方面来讲，反恐精英：起源的***械的声音和视觉特征还是非常难以让人产生任何抱怨的。武器都很精美，特别是同我们目前正在玩的版本中的那些老态龙钟的模型比对而言。 　　装备模型也和武器模型一起获得了很大的提升。有些装备，例如闪光弹和手雷的升级非常引人注目。闪光弹的效果现在变得非常强悍。不仅仅会像现在这样让人满目发白，还会爆发出非常刺耳的尖啸从而让人失去听觉，而在视觉上，新的闪光弹会进一步对人产生出视网膜“烧入”效果，从而更大程度上影响视觉。我和Jess Cliffe谈论过这个问题，他同意新的闪光弹威力巨大，因此其威力将被进一步调节以便于同沿袭现在的1.6版本的效果做出折中。手雷的模型和以往大相径庭，新版的手雷看起来像是一个破片雷。新手雷在爆炸的时候会伴随着震耳欲聋的声响和强烈的爆发。 　　说到手雷，反恐精英：起源将会在外观模型上显示出一个人所配备的所有装备。如果你买了一颗手雷，你的朋友和敌人将会在你的身体上看到它，就别在你的拆弹器的旁边。这实在是一种不错的搭配。 　　最后，有一样东西不见了。那个臭名昭著的盾牌已经被删掉了，而Valve也没有任何暗示将会在将来恢复这个东西。我个人非常赞同这个决定，因为我感觉盾牌的唯一的主要作用就是为游戏中增加了一些不当的好处。当然我也明白会有人对删掉而不是增加和升级装备感觉不满，但是，这个盾牌的确应该删除。 　　人物的模型同武器模型的升级一样令人瞩目。尽管我所玩过的测试版仅仅在每个队伍中包含了一个模型，但是新的模型包含更高级的人物构画细节。Valve正计划在测试版发布以后扩展模型的胳膊，一是人物模型拥有更加精确的表现。一些界内的人是对于屏幕截图上所表现的人物的姿势大加抨击，因为看起来T和CT都在弓着身子。我认为模型在游戏中看起来很不错，而这种弯腰驼背的姿势让我想起来CS的黄金测试期(1999年6月到2000年10月)，在那个时候，人物的无疑会让人产生疑问。 　　或许这种弯腰驼背的姿势被做得有一点点过于生动，以及武器模型看起来有一点点小，但是要完整地评判这些我需要在电脑前坐上很长时间而不仅仅是一个半小时。坦率地说，我没有非常明显的注意到是不是人物模型看起来不太自然，或者动作不真实。我在当时并没有作为一个自以为是的记者去注目这些东西，我只作为一个普通的CS玩家，去尽力打败对手。但是，甚至是让很多人不满意的屏幕截图，也能够告诉你这些模型比我们现在正在玩的1.6仍然好出了很多。 　　死亡的动作使用一种“玩偶”效果。在CS:Source中的玩偶效果不象在UT中那样。玩偶效果非常精细，而我个人没有看到任何尸体是向左边和右边翻飞着死掉的。但是如果你仔细注意这种玩偶死亡效果的话，它无疑比让一个海豹队员在被正前方的AWP击中头部以后，却象睡个小觉一样倒向侧面要好的多。高爆手雷无疑将被重新命名为“西南航空公司手雷”。 　　可能你已经注意到我没有对游戏方式进行什么描述。因为没有必要这样做，很令人高兴的，CS:Source仍然保持着对传统的CS游戏方式的高度忠诚。
SOURCE的引擎/cs2.0
SOURCE引擎打造CS:SSOURCE的引擎V***LE公司花费了数年的时间去开发HL2，SOURCE引擎的官方平台，在电脑游戏领域树立一座丰碑。人工编写环境程序，僵硬的模式，缺乏新意的特效这在SOURCE得到了改善。CS：s是以SOURCE引擎为基础。Valve小组整整花费了四年的时间才开发出了”Source”引擎，该引擎不仅能轻松的完成逼真的即时光影运算，而且，能够近乎于真实的描绘3D人物的动作、表情。 　　Source引擎是目前强的 　　包括： 　　3D引擎 　　电脑AI 　　物理碰撞（Source使用的是Havoc物理编码的改良版本，所以Valve只需对Source的受许可人授权使用Havoc即可。Havoc物理碰撞引擎 现在是4.0版了 暴雪已经获得使用权） 　　地图编辑：采用强化版的“Hammer”它的前身就是《魔兽争霸3》所使用的大好评地图编辑器 　　SOURCE开发过程： 　　Valve小组整整花费了四年的时间才开发出了”Source”引擎，该引擎不仅能轻松的完成逼真的即时光影运算，而且，能够近乎于真实的描绘3D人物的动作、表情。 　　《半条命1》上市后的不久，开发组中的一群核心技术骨干就被抽调到一个秘密地区，埋头研究一种新的技术，由此开发完成的全新引擎被命名为Source，这是为本作量身定做的。Source引擎的一大卓越之处在于它突破了前作引擎的诸多局限。前作中由于技术所限许多优秀的想法最终都未能付诸现实，制作者对此耿耿于怀。因此在二代的开发中一个很自然的出发点就是通过引擎及相关技术的革新使那些原本萦绕于制作者脑海的“great ideas and things”生灵活现地表达出来。 　　引擎淋漓尽致地反映出制作者希冀于创造一个更为直截有效的改良性的开发程序的愿望。“我们希望建立一个能够提供二代以及我们其他的作品和第三方开发商最广泛意义的游戏性的全新引擎”，制作者的胃口显然不小，“那将包括任何使用编码的人，甚至于任何形式的游戏理论上都可以经由此项技术完成。”Doug不无得意地说。在兼顾便利性和灵活性之余，游戏性才是引擎的最终发展目标。新引擎带来了整个游戏世界生动性与可行性的本质提升，作用于角色面部细节的新技术也使得游戏中的角色更具备生命力，同时赋予我们堪称最具有生命特征的图像。 　　制作者希望使本作中的物理模型既显得全面广泛同时又简洁扼要，赋予玩家更趋自然和直觉性的交互体验。本作中的模型纹理结构都得到预先载荷，通过诸如音效、密度和重量等物理指标的模拟而完成。假如一名艺术赋予一个模型肌肤贴图，那么模型将马上自动载荷了所有相关的物理特性，无论它采用什么纹理结构。这一举措使游戏中道具的建设更加快捷。 　　Source引擎提供你能在一个视频游戏中见到的最好的物理特性。除了物理特性以外，Source还提供现实的动画系统和顶级画面效果-这在电脑游戏中是前所未见的。Source引擎同时还是高智能的AI智能系统的动力来源，这会让电脑中的角色感知他们周围的世界，并作出相应的举动就好像他们能够进行思考。Source引擎使用目前的DirectX 9显示特性，但是同时也能适应那些使用DirectX 6的老显卡。 　　Source引擎将允许地图设计者生成比目前的游戏地图大出 　　CS1.6是一个并不太令人满意的版本。CS这个游戏中秉承的游戏方式和紧张刺激，但这个版本仍然没有能给人留下非常良好的深刻印象。但Counter-Strike: Source将使CS发生彻底的改变。 　　CS: Source并不是Counter-Strike 2，但是它是在21世纪对这个最流行的在线游戏做出的一个重大的升级。从根本上说，CS:Source是一个基于半条命2引擎的全新的游戏。 　　在CS:Source中，Source引擎的强大功能被充分的发挥出来。 　　物理特性的物体能够让这个游戏世界更加生动。 　　新的游戏元素会为你的传统的作战情节增加更多新的花样。 　　所有Source引擎催生的东西都使用同一个引擎。目前已经有少量的小公司购买了这个引擎的使用权来开发他们自己的游戏。 　　游戏场景的完美结合，在DUST里一副式的建筑和遭受战争洗礼的场面。DUST地图里的A点放C4的地方一片不毛之地，里面有一些固定的物体，CS：S将动态环境引入了第一视角。实战中增加了动态的场景。威士忌瓶可以被击成碎片轮胎也是可以滚动的。 　　游戏环境的真实性。HL是把墙的类型区分的游戏。水泥石灰木材，还有的是沙石的。不同的物体会有特有的声音。SOURCE引擎提高了这种真实性。墙，地板，柱子都是由大理石制成的。不能让人真正的摧毁那些墙壁，显得非常真实。但是它能让你感觉生临其境。砍一堵土墙时，墙壁会渗出沙尘。砖瓦地板可以反射光线，包括人和物体投下的影子。整个游戏的真实性非常高。 　　游戏中的改善，包括Far Cry, Doom3和HL2或Source games。从一定的高度坠落时，会摔死。可以自由移动一些物体。可以像你想象中那样精确的将轮胎堆积到一起。不能站在其他队员头上，不能跳到一个圆形桶的顶部的。***支和其它物体的倾斜滑动真实。
***支/cs2.0
可以听见敌人装弹的声音 　　霰弹***的威力变的更强大，更加精确。 　　手*** 　　HK 　　USP 　　GLOCK 18 　　沙漠之鹰 　　SIG P228 　　M92F 　　FN FIVE SEVEN 　　散弹*** 　　Benelli M3 Super 90 Combat 　　Benelli XM1014 　　冲锋*** 　　　MP5A6 　　FN P90 　　UMP 45 　　步*** 　　AK47 　　SIG SG552 　　M4A1 　　Styer AUG 　　Styer侦察步*** 　　AWP 　　G3/SG1 　　SG 550 　　FAMAS 　　加利尔步*** 　　机*** 　　M249 　　手雷的距离和爆炸时间都缩短 　　烟雾弹100%灰白色 　　闪光弹高音调屏幕全白拥有角色CS:S游戏画面恐怖分子 　　1,国际贩毒组织队员 　　2,L337克鲁尔 　　3, 　　4,蛙蛇 　　特种队员 　　1,队员 　　2,第9边防大队(GSG9) 　　3,(SAS) 　　4,国家宪兵队(GIGN)
控制台命令/cs2.0
fps_max &101& 　　fps_modem &0.0& 　　cl_cmdrate &101& 　　cl_updaterate &101& 　　cl_c4dynamiclight &1& 　　deathmatch &0& 　　r_propsmaxdist &5000& 　　r_decal_cullsize &0& 　　r_lod &-5& 　　cl_ragdoll_collide &1& 　　mat_bufferprimitives &1& 　　mat_mipmaptextures &1& 　　jpeg_quality &100& 　　rcon changelevel 地图名............立刻换地图，所有USER不会离开游戏 　　adjust_crosshair..............每打一次准心就会换颜色，共有五种颜色，选个亮一点吧!! 　　ah 1..........................设定是否开始自动说明(戏中给玩家引导) 　　cl_allowupload 1..............允许用户方上传自己的资料如logo 　　cl_allowdownload 1............允许用户方自动下传sever的资料如map 　　cl_download_ingame 1..........允许用户方在game中自动下传sever的资料，如logo，map 　　cl_cmdrate 30.................modem用户设30，宽频设40~50，Lan=50 　　cl_lw X.......................有无武器的动画，最好设x=1 　　cl_lb 0.......................此项与血渍有关，设1比较真实，但会减低速度 　　cl_lc 1.......................和cs的新的网络技术有关，最好设x=1 　　cl_hidefrags 1................设定是否隐藏除了自己以外其它人的杀敌数与死亡数 　　cl_observercrosshair 1................设定在观察员模式的时候是否要开起准星 　　cl_updaterate 20..............上传速度，如果是宽频设30~40，如果在比较多人的站设25，modem=15，Lan=50 　　con_color 255 155 50..........HUD的颜色(RGB) 　　dm 1..........................设定1来开启游戏开始时的讯息介绍 　　drawradar.....................显示雷达，有时雷达会突然消失，就可以用(有时候SERVER关掉了你按也没用) 　　fastsprites 0.................烟雾特效，0逼真，1像超任，2像GameBoy 　　fps_max X.....................x=1~100，游戏输出给显示卡的最大fps数，内定为72 　　有不顺或鼠标一动就滑来滑去的情形时，把他设低会有很大的改善 　　hideradar.....................关闭雷达(测试得辨认队友，以免tk) 　　hud_centerid 0................设定为1时，玩家ID会出现在屏幕的正中央。否会出现在画面的左下角。 　　hud_fastswitch 0..............快速换武器，按数字直接换不用再按鼠标 　　keys..........................显示自己的CD-KEY信息(CS没效???) 　　kill..........................自杀!!死定的时候……了断自己吧… 　　lefthand 0....................设定屏幕上的玩家是，或是右撇子。 　　listmaps....................显示server的地图排程 　　listplayers.................显示大家的编号与姓名 　　maps 开头.....................列出已***之地图档名，(只列出指定字母开头的文件名，*为所有地图) 　　max_shells 50.................子弹的最大显示数量(太多会lag...)0-500 　　max_smokepuffs 50.............烟雾弹的最大显示数量，0-500 　　name 新名字...................换名字，活着的时候才能用 　　nightvision...................开关夜视镜 　r_speeds 0....................以console文字方式显示平均fps，draw speed及polygon info?? 　　r_speeds 0....................强制工作!!对网速能稍做改善！有没有效果……自己看吧！?? 　　rate 2500.....................从server接受信息的速度，太大太小都会lag，要选适合的 　　setinfo ah 1...............是否提供自动说明的功能 　　setinfo dm 1................换地图后开启地图的简介 　　setinfo ghosts 0..............观察模式时是否鬼魂关掉，对lag有帮助 　　setinfo lefthand 0............设定屏幕上的玩家是左撇子，或是右撇子。 　　setinfo vgui_menus 1..........图形化选单开关 　　sizedown......................缩小屏幕 　　sizeup........................放大屏幕 　　timeleft..........让你知道还有几分钟换地图 　　version.......................显示版本信息 　　vote 编号.....................对TKer，Camper还有Cheater投票，过6成的人投票就行 　　votemap 地图名.........玩家可以投票投下一张地图 　　sensitivity X.................鼠标速度0.1-不限?(20是config的最大值) 　　zoom_sensitivity_ratio........设定使用狙击镜时鼠标移动速度 　　ping..................显示Server ping client值 　　pingservers............显示Client ping server值 　　net_graph x...................打开测FPS与联机速的工具 x=1开 x=0关，开起此项多少会减少fps 　　net_graphpos x................工具的位置 x=1，2，3 　　net_graphwidth 192............工具的大小 　　volume 0.8....................调整音量大小，实际音量为(volume/hisound) 　　hisound 1.000000..............设定音量最大值，实际音量为(volume/hisound) 　　bgmvolume 1.000000.........背景音效音乐之音量大小 　　disconnect..........离开游戏，保持在CS console状态 　　exit.....................离开游戏，关闭CS，回到 　　quit..........................离开游戏，关闭CS，回到桌面 　　reconnect.....................不离线直接重组联机 　　retry.........................离线并重新联机 　　connect IP....................联机到指定Server 　　cl_radartype &1&..............实心雷达 　　cl_radaralpha &255.000000&....雷达的透明度 　　cl_autowepswitch &0&..........自动转换威力大的武器&1&为关闭 　　bot_chatter &3&..............机器人通话命令3 、2是无线电通话、1 是关闭 　　bind &-& &bot_kill&...........杀死机器人 　　bind &=& &bot_quota 31&.......增加多个机器人 　　bind &\& &nav_generate&.......制作地图路点 　　bot_difficulty &3&............机器人难度 　　bot_allow_shield &1&..........机器人智商 　　bot_allow_rogues &1&..........机器人无赖命令 　　bot_stop ''1''..........机器人暂停活动 　　让显卡强制支持某个版本的DIRECTX，能优化大量速度！控制台输入如下命令 　　mat_dxlevel 90 ---- 　　mat_dxlevel 81 ---- 　　mat_dxlevel 80 ---- 　　mat_dxlevel 70 ---- 　　下面就是这些能够使你的CS:S看起来更眩更酷的命令: 　　命令1 　　mp_decals &4096& 　　该参数设定一次可见帖图的最大数目，在最大值4096下，避免了有大量的血迹溅到墙上时，帖图会突然消失的现象。 　　命令2 　　cl_ragdoll_collide &1& 　　该参数使得构成身体的各个模块相互紧密接触，从而避免互相嵌入的情况，这样使得游戏中的身体接触看起来好很多。 　　命令3 　　cl_c4dynamiclight &1& 　　该参数让C4的灯光动态闪烁，看起来真的要眩很多。 　　命令4 　　r_lod &-5& 　　这个参数能让游戏中的人物在任何距离上保持最佳帖图效果，这样当你靠近他们的时候不会突然的看到人物身上的锯齿。 　　命令5 　　r_decal_cullsize &0& 　　这个参数设定使得游戏中的帖图在任何距离上都能看到，而不是仅仅当你靠近的时候。 　　命令6 　　jpeg_quality &100& 　　该参数和jpeg命令一起使用，在100的jpeg质量下，你的屏幕看起来会非常棒。 　　命令7 　　r_propsmaxdist &5000& 　　这个参数设定游戏中道具的最远可见距离。这能让道具随着距离的变化到达一种时隐时现的效果。 　　mat_specular &1& 反光开启(视觉/fps影响较大) 　　mat_bumpmap &1& 凹凸贴图开启(视觉/fps影响较小，但因为上面开了这个不得不开) 　　cl_ejectbrass &0& 这个是关闭弹壳 　　r_RainSimulate &0& 模拟雨景(视觉影响较小，fps影响较大) 　　mat_fastspecular &1& 这个和下面那个根据官方的信息好像是对了负荷测试才有效 　　mat_fastnobump &1& 　　mat_forcedynamic &0& 强制动态光影，关~ 　　mat_mipmaptextures &1& mip贴图(视觉影响小，fps影响大，注意是开启才提高fps) 　　mat_reducefillrate &1&这个可以降低场景的反光质量，开启之后就只有木地板和aztec的小部分石块有反光了，不过反而真实一点 (视觉/fps影响大) 　　mat_trilinear &0& 三线形过滤，抗锯齿的，关~ 　　mat_vsync &0& 垂直同步，关~ 　　muzzleflash_light &1& 这个是控制***口的火光是否照亮周围环境(视觉/fps影响高) 　　r_shadows &1& 是否绘制阴影(关掉阴影立体感差了很多，不过这个不是很影响fps，开着吧) 　　r_mmx &1& (mmx，sse，sse2都是cpu的增强指令集，cpu支持当然要开咯) 　　r_sse &1& 　　r_sse2 &0& sse2技术 　　r_3dnow &1& 　　r_shadowrendertotexture &1& 是否绘制高质量阴影(只有在r_shadows &1& 的情况下才起作用，关闭的话物体的阴影就只有个小黑团，这个fps影响也不是很大) 　　mat_bufferprimitives &1& 基本缓冲(可能译得不是很好，开启提高fps) 　　rope_smooth &0& 绳索平滑效果，关~ 　　cl_showfps &1&查看fps 　　jpeg_quality &100& 截图质量，默认截图按键为F5 　　服务器设置： 　　sv_restartround 1－游戏复位 　　restart－重新载入 　　mp_autoteambalance 1; mp_limitteams 2－平衡人数 　　mp_autoteambalance 0; mp_limitteams 42－不平衡人数 　　s_2dvolume 1
音频 设定在2D声音中的最大音量(0-1. 　　s_a3d 0 客户端 音频 开关A3D的支持 　　s_automax_distance 30 客户端 音频 设定最大距离的音量 　　s_automin_distance 2 客户端 音频 设定最小距离的音量 　　s_bloat 2.0 客户端 音频 多边形的膨胀因素A3D2.0适用 　　s_buffersize 65536 客户端 音频 设定缓冲的大小 　　s_disable_a3d 0 客户端 音频 开关屏蔽A3D的功能 　　s_distance 60 客户端 音频 调整声音发声的距离(0-n) 　　s_doppler 0.0 客户端 音频 调整doppler(0-1 　　s_eax 0 客户端 音频 开关EAX支持 　　s_enable_a3d 客户端 音频 打开A3D支持 　　s_geometry 0 客户端 音频 开关声音的几何渲染A3D2.0适用 　　s_max_distance 1000 客户端 音频 声源到听众的最大距离('s_min_distance'-n) 　　s_min_distance 5 客户端 音频 声源到听众的最小距离(0-'s_max_distance') 　　s_numpolys 200 客户端 音频 最大的声音反射多边形值A3D2.0适用(0-n) 　　s_occfactor 0.250 客户端 音频 金属传递声音的值(0-1. 　　s_occlude 0 客户端 音频 开关声音通过金属时的声音A3D2.0适用 　　s_refdelay 4 客户端 音频 声源到达最近的反射面的延迟A3D2.0适用(0-10 　　s_refgain 0.4 客户端 音频 设定声音随着距离远近的反射强度A3D2.0适用(0-1 　　s_verbwet 0.25 客户端 音频 控制混合回响的干湿度A3D适用(0-1. 　　say &message& 客户端 玩家 与当前服务器里的所有玩家交谈 　　say_team &message& 客户端 玩家 与前服务器里的队友交谈 　　scr_centertime 2 客户端 玩家 设定服务器信息在屏幕上停留的时间 　　scr_conspeed 600 客户端 玩家 设定控制台的卷动速度 　　scr_printspeed 7 客户端 玩家 设定屏幕上的打字速度 　　gl_alphamin 0.250 客户端 视频 设定最小alpha混合等级 　　gl_clear 0 客户端 视频 开关对画面上各个模型连接的部分的连贯渲染 　　gl_cull 1 客户端 视频 是否只对可以看到的画面进行渲染 　　gl_d3dflip 0 客户端 视频 在Direct3D模式中开关反向渲染命令 　　gl_dither 1 客户端 视频 开关颜色抖动 　　gl_dump 客户端 视频 列出显卡的信息 　　gl_flipmatrix 0 客户端 视频 开关特殊的准星修正当适用3DNow和3D fx Mini OpenGL驱动时 　　gl_keeptjunctions 0 客户端 视频 开关显示材质间的缝隙 　　gl_lightholes 0 客户端 视频 光洞效果开关 　　gl_max_size 256 客户端 视频 贴图材质的最大解析度 　　gl_monolights 0 客户端 视频 开关统一光源（无阴影）OpenGL适用 　　gl_overbright 0 客户端 视频 开关最大亮度模式 　　gl_palette_tex 0 客户端 视频 开关调色贴图值、材质 　　gl_picmip 0 客户端 视频 环境贴图效果(0-3) 　　gl_playermip 0 客户端 视频 玩家模型的贴图效果(0-3) 　　gl_polyoffset 4 客户端 视频 设定多边形补偿 　　gl_round_down 3 客户端 视频 设定材质循环 　　gl_smoothmodels 0 客户端 视频 玩家模型光滑处理开关 　　gl_spriteblend 0 客户端 视频 开关子画面混合 　　gl_texels 客户端 视频 报告传输到显卡的texel数量 　　gl_texsort 0 客户端 视频 开关一个texel的种类 　　gl_texturemode [type] 客户端 视频 设定渲染模式[type]的类型: gl_nearest_mipmap_nearest, gl_linear_mipmap_nearest (这两个进行双线性过滤处理)和 gl_nearest_mipmap_linear, gl_linear_mipmap_linear (这两个进行三线性过滤处理) 　　gl_zmax 4096 客户端 视频 设定缓存的最大值 　　gl_ztrick 1 客户端 视频 开关3D fx的加速渲染模式 　　cl_allowdownload 0 客户端 上传/下载 客户端是否允许下载 　　cl_allowupload 0 客户端 上传/下载 客户端是否允许上传 　　cl_anglespeedkey 0.670 客户端 玩家 设定方向键改变视角的速度 　　cl_backspeed 400 客户端 玩家 客户端设定后退的速度 　　cl_bob 0.010 客户端 玩家 客户端设定奔跑时手臂摆动的幅度 　　cl_bobcycle 0.800 客户端 玩家 客户端设定奔跑时手臂摆动的频率 　　cl_bobup 0.500 客户端 玩家 客户端设定奔跑时手臂摆动的范围 　　cl_download_ingame 0 客户端 上传/下载 客户端设定是否允许在游戏里下载 　　cl_forwardspeed 400 客户端 玩家 客户端设定前进的速度 　　cl_gaitestimation 1 客户端 玩家 开启估计玩家的运动步幅 　　cl_gg 0 客户端 玩家 开关游戏的标准模式 　　cl_himodels 客户端 玩家 客户端设定是否允许使用高质量模型 　　cl_messages 客户端 玩家 客户端设定显示服务器信息 　　cl_movespeedkey 0.300 客户端 玩家 设定键盘移动速度 　　cl_nopred 0 客户端 玩家 开关玩家的预先选择 　　cl_pitchdown 客户端 玩家 设定玩家向下看的最大角度，默认:89 　　cl_pitchspeed 225 客户端 玩家 设定角速度 　　cl_pitchup 客户端 玩家 设定玩家向上看的最大角度，默认:89 　　cl_showfps 1 客户端 玩家 显示你的FPS值 　　cl_shownet 0 客户端 玩家 显示你的包值 　　cl_slist 10 客户端 玩家 设定列出的服务器个数 　　cl_solid_players 1 客户端 玩家 开关固定玩家模型 　　cl_upspeed 320 客户端 玩家 设定向上移动(如爬梯子、游泳)的速度 　　cl_waterdist 4 客户端 玩家 设定在水下最深所能到达的距离 　　cl_yawspeed 210 客户端 玩家 设定转身的速度（由服务器最大值设定） 　　version 显示版本信息 　　内存加速法(cs:s,HL2) 　　此方法就是分配给HL2和CS:S更多的内存 　　(默认分配128MB内存)，最好你的内存是大于512 MB ！ 　　分配256MB内存方法： 　　首先在桌面找到counter-strike source快捷方式，在快捷的属性里目标处加上： 　　（ 默认为－目标&X:\游戏\counter-strike source\cstrike.exe& ） 　　修改成：X:\游戏\counter-strike source\hl2.exe& -heapsize 262144 -game cstrike 　　分配256MB内存方法： 　　对于加快HL2 　　HL2.exe& -heapsize 262144 -steam 　　对于加快CS:S 　　HL2.exe& -heapsize 262144 -game cstrike 　　分配64MB内存方法： 　　-heapsize 65532 　　分配128MB内存方法： 　　-heapsize 131072 　　分配192MB内存方法： 　　-heapsize 191072 　　分配384MB内存方法： 　　-heapsize 393220 　　游戏评分 　　使用Source引擎的CS:S，以及更刺激的多人连线游戏，精致的画面，也获得不错的好评。 　　MetaScore -& 88/100(整体分数) 　　Xepuoted -& 92/100 　　Games Radar UK (Pre-2006) -& 91/100 　　EuroGamer -& 90/100 　　PC Format -& 86/100 　　Gamers Europe -& 85/100 　　Boomtown -& 80/100
应用情况/cs2.0
《反恐精英：起源》可能在平民百姓中并不普及（至少在是如此），但是它在各类大赛中已经十分普及了。例如：CPL(Cyberathlete Professional League)、CAL(Cyberathlete Amateur League)、WCG(World Cyber Games)、ESL(Electronic Sports League)……在一些大赛中，《反恐精英：起源》甚至取代了早先反恐精英版本的地位，使得几乎所有的战队都将训练从反恐精英1.6更新到《反恐精英：起源》。 　　关于一秒后重启游戏 　　上述提到中的为1。6的控制台命令，而不是CS:s中的，CS:S的刷新命令为mp_restartgame 1请大家注意
&|&相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与***联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
此词条还可添加&
编辑次数：1次
参与编辑人数：1位
最近更新时间： 08:55:27
申请可获得以下专属权利：
贡献光荣榜