更新日志 - fir.im Jenkins & Gradle 插件上线

fir.im近期推出Jenkins和Gradle插件,简化App打包上传流程。Jenkins插件支持自动上传ipa/.apk文件及符号表至fir.im和BugHD,并可与fir-cli、TravisCI等集成。Gradle插件让Android开发者通过单一指令完成应用发布。此外,fir.im还新增了版本回退功能。

最近 fir.im 工程师们效率爆表,fir.im 实用工具集合又添加了新的成员—— Jenkins & Gradle 插件,让 App 打包上传更加简单快速。

fir.im Jenkins 插件

很多 App 开发团队都在考虑如何快速地自动编译、发布和测试, fir.im 的 Jenkins 插件也许会帮到你。 Jenkins 成功构建后,可自动上传 ipa/.apk 文件和符号表到 fir.imBugHD

这款插件,还可以和 fir-cli、 Travis CI 等集成,实现一行命令完成从源码到测试发布的自动化构建。关于 Jenkins 插件详细的使用方法,请查看文档:fir.im Jenkins 插件使用方法

关于更多 Jenkins 的问题推荐阅读 fir.im 用户写的 Jenkins+GitHub+Xcode+fir 搭了一个持续集成环境:)

fir.im Gradle 插件

同样,为了一气呵成地快速地完成 APP 上传,我们为 Android 开发者准备了 fir.im Gradle 插件,只需一条 Gradle 指令,即可发布应用到 fir.im & 上传符号表到 BugHD 。

如何配置、使用 Gradle Plugin ?请查看详细文档:使用 Gradle Plugin 发布应用到 fir.im.

fir.im 增加版本回退功能

细心的伙伴可能会发现,我们在应用管理页面——应用详情页增加了版本回退的按钮。新发布的版本如果有任何问题,可以回退到上一个发布版本。

希望这次的优化更新你们会喜欢:)


以上为本次更新日志,和以前一样,要表扬或者吐槽,随时联系我们 :)

fir.im

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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