Windows Store apps开发[65]Windows 8 开发31日-第08日-本地和漫游数据

本文探讨了在Windows应用开发中使用本地与漫游数据存储的重要性。介绍了哪些类型的数据适合使用漫游存储,哪些应该保留在本地。并强调了如何避免在漫游数据中包含大量数据或实时更新的内容。

注:本文由BeyondVincent(破船)翻译首发

        转载请注明出处:BeyondVincent(破船)@DevDiv.com

 


第08日-本地和漫游数据

    在本系列的好几篇文章,我都提到了存储数据非常重要,并且实现起来非常简单,包括本地设备存储,以及在不同设备之间漫游。
在使用漫游VS.本地存储时,微软给我们提供了具体的指导,下面我对这个指导进行了一个总结。当然,如果你打破了这些规则,没有遵守这些指导,也不会被拒绝,不过在数据传输的大小和速度会用限制,超过这些限制的话,将会阻止你的程序获取实际的漫游数据。


DO

首选项设置和定制的数据可以使用漫游。用户可能希望它们选择的设置可以在每台机器上都相同。包括基本的设置,比如颜色、喜好、是否将数据发布到Twitter等。
漫游用户的某项工作。比如运行用户可以接着写没有完成的email或者blog。


DON’T

仅仅与本地相关的信息则不要使用漫游。包括文件路径和其它一些至于本地机器相关的数据信息。
不要漫游大型数据。最好只漫游首选项和小量数据文件。可以在代码中限制漫游数据的尺寸。
不要漫游及时同步或者快速变化的数据。Windows控制着你的数据多久被漫游一次,所以别要考虑需要及时同步的数据。如果你需要及时同步的话建议创建自己的一个web service。同样,也不要频繁的更新漫游数据。例如,你不需要总是一直更新用户当前的位置信息,而应该每隔几分钟或者更多。
        最后就是请记住:漫游与设备之间的数据是通过用户的Microsoft账号管理的。如果用户用相同的账号登录了两个设备,并且在两个设备上安装了相同的程序,则会开始漫游,直到没有需要漫游的数据。
        现在我有点担心你从来不是是用本地和漫游数据,下面我就来介绍一下是如何使用的。这里有两种类型的数据能够被存储,我在这里将每种数据的本地存储和漫游。首先从设置信息开始,然后是文件。


PDF下载地址:


第08日-本地和漫游数据


更多内容请浏览下面链接:

Windows 8 开发31日


一些截图






下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画过渡特性(如`transition``animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发数据集支持实例分割任务,帮助构建能够自动识别分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁治理决策。 • 计算机视觉研究:支持实例分割算法的研究优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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