Windows 8应用开发书籍汇总

最新推荐文章于 2024-11-20 14:32:22 发布
最新推荐文章于 2024-11-20 14:32:22 发布
阅读量854 收藏
点赞数
分类专栏： C/C++

Windows 8作为新一代操作系统，继承以往桌面操作系统的优点，而且还提供移动便携设备支持。Windows使用用户基数庞大，预示着Windows应用巨大的潜在市场，察看Windows Store，每天都有不同的Windows应用上线，越来越多的互联网行业和企业应用也在悄然移植到Windows 8平台。对于Windows开发人员而言，又一次新的机会和挑战即将到来。为了方便更多开发人员学习Windows 8应用开发，本篇将汇总当前较为流行的Windows 8开发书籍，大家可以根据自己需求下载学习资源。(注：本篇资源由互联网收集而来，请勿使用商业用途）

 


 

Professional Windows8 Programming Development with C# XAML

专业Windows8应用程序开发书籍，该书使用C#和XAML作为主要开发语言，讲解Windows8应用开发方法，技巧以及部署销售流程，该书适合Windows APP开发人员参考阅读。

 

书籍下载

 

 


 

Beginning Windows 8 Application Development(XAML)，该书详细介绍使用XAML，C#开发Windows 8应用基础。结合大量实例演示，如果创建以及发布Windows 8 App。

该书适合Windows 8应用开发人员入门阅读。

书籍下载

 

 


 

Beginning Windows 8 Application Development,Windows 8应用开发基础教程，该书详细介绍Windows 8 App开发方法，使用实例演示Windows 8新功能应用以及开发技巧。

该书适合Silverlight开发人员和Windows App开发人员参考阅读。

书籍下载

 

 

 

 

 


 

Windows 8 XAML Primer, 该书详细介绍Windows 8平台下XAML开发语言，适合Windows Phone，Windows 8应用开发人员参考阅读。

书籍下载

 

 

 

 

 

WinRT Revealed, 该书详细介绍Windows Runtime原理以及开发技巧和资源。适合Windows 8开发人员参考阅读。

书籍下载

 

 

 


 

Getting Started with Metro Style Apps, 该书详细介绍Windows 8 Metro应用设计以及开发基础，讲解Windows8应用常用控件，适合Windows 8开发人员入门学习参考。

书籍下载
 

 

 



 

Metro Revealed Building Windows 8 apps with XAML and C#, 书中详细介绍Windows 8 Metro应用开发，使用XAML和C#作为应用开发语言，讲解Windows 8应用开发常用控件和基础原理。适合Windows 8应用开发人员参考阅读。

书籍下载

 

 

 


 

Programming Windows 8 Apps with HTML,CSS and JavaScript，Windows8应用开发书籍。该书详细介绍使用HTML,CSS和Javascript开发Windows 8平台应用，其中包括Metro风格应用开发。

书籍预览版，供Windows开发人员参考阅读。

书籍下载

源代码下载

 

 

 


 

Metro Revealed Building Windows 8 Apps with HTML5 and JavaScript, Windows 8应用开发书籍，该书详细介绍使用HTML5和Javascript开发Windows 8 Metro 风格Apps，适合Windows开发人员参考阅读。

书籍下载

 

 

 



 

Programming Windows(第六版), Windows应用开发书籍，该书详细介绍Windows 8应用开发方法和技巧，书籍使用C#和XAML开发Windows 8应用。

基础开发书籍，适合微软开发人员参考阅读。

书籍下载

 

 

 

 


 

Programming C# 5.0: Building Windows 8 Metro, Web, and Desktop Applications for the .NET 4.5 Framework

该书详细介绍微软C#5.0新特性以及新开发技巧，使用实例讲述如何开发Windows 8 Metro应用，以及基于.Net Framework 4.5的Web应用和桌面应用。

该书适合微软技术开发人员参考阅读。

书籍下载

 

 

 

 

欢迎大家加入“专注Windows8/Silverlight”QQ技术群，欢迎大家加入一起学习讨论Silverlight&Windows 8&WPF&Widnows Phone开发技术。 
22308706(一群) 超级群500人 
37891947(二群) 超级群500人 
100844510(三群) 高级群200人 
32679922(四群) 超级群500人 
23413513(五群) 高级群200人 
32679955(六群) 超级群500人 
88585140(八群) 超级群500人 
128043302(九群 企业应用开发推荐群) 高级群200人 
101364438(十群) 超级群500人

转载：点击打开链接

YOLOV5/YOLOV7/YOLOV8改进：用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
AIcurator的博客
08-31 1958
卷积神经网络(cnn)在图像分类等许多计算机视觉任务中取得了巨大的成功以及目标检测。然而，它们的性能迅速下降当图像分辨率低或物体很小时，更困难的任务。在在本文中，我们指出这源于现有CNN架构中有缺陷但常见的设计，即使用跨行卷积和/或池化层，这会导致细粒度信息的丢失学习不太有效的特征表示。为此，我们提出了一个新的CNN构建块，称为SPD-Conv来代替每个跨步卷积层和每个池化层(因此完全消除了它们)。
Yolo系列——Yolo v2
2301_77698138的博客
10-24 1851
YOLOv2是一种高效、准确的目标检测模型。它通过改进网络结构、引入Anchor机制、使用高分辨率分类器和多尺度训练等策略提高了模型的检测速度和精度。同时它还具有较好的泛化能力和实时性能，已被广泛应用于多个领域。
YOLO-LITE在Windows下的配置
凌空的桨
11-17 3604
0.首先 感谢作者们的辛苦科研，配置其实特别简单，YOLO-LITE的问世专门为了没有GPU这些人的简易模型，因为足够lite layer filters size input output 0 conv 16 3 x 3 / 1 224 x 224 x 3 -> 224 x 224...
重磅！YOLO-LITE来了
嘿芝麻的树洞
11-20 2312
YOLO-LITE是一种实时目标检测模型，可用于便携式设备，如缺少图形处理单元（GPU）的笔记本电脑或手机。 该模型在PASCAL VOC数据集和COCO数据集上训练，分别达到33.81％和12.26％的mAP。YOLO-LITE仅有7层和4.82亿FLOPS，其在非GPU计算机上以大约21 FPS运行，在网页上以10 FPS运行。这个速度比最SOTA的SSD Mobilenet v1快3.8倍。...
YOLO-LITE
年轻即出发，
11-19 5740
  论文：YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers  Github：https://github.com/reu2018DL/YOLO-LITE     论文致力于设计一个网络（cpu速度大于10FPS，PASCAL VOC精度大于30%），因此基于YOLO-v2，提...
darknet源码分析之tiny-yolov2模型训练及测试
GK_2014的专栏
10-17 3582
目录 模型训练 模型训练概览 网络结构文件加载 预训练权重文件加载 数据加载 数据增强 网络训练 模型测试 前段时间在darknet框架上训练了tiny-yolov2,对于darknet这个C语言框架有了些自己的认识，遂记录于此。darknet在github上的url:https://github.com/pjreddie/darknet，darknet官网:https://pj...
目标检测|YOLOv2原理与实现(附YOLOv3)
何进的博客
06-05 1万+
转发：https://zhuanlan.zhihu.com/p/35325884前言在前面的一篇文章中，我们详细介绍了YOLOv1的原理以及实现过程。这篇文章接着介绍YOLOv2的原理以及实现，YOLOv2的论文全名为YOLO9000: Better, Faster, Stronger，它斩获了CVPR 2017 Best Paper Honorable Mention。在这篇文章中，作者首先在Y...
YOLO2_LIGHT 项目推荐
gitblog_00326的博客
11-20 584
YOLO2_LIGHT 项目推荐 项目基础介绍和主要编程语言 YOLO2_LIGHT 是一个轻量级的卷积神经网络（CNN）实现，主要用于目标检测。该项目是 YOLO v3 和 v2 的轻量级版本，旨在减少依赖并提高推理速度。主要的编程语言包括 C、C++、CUDA 和 Python。 项目核心功能 YOLO2_LIGHT 的核心功能包括： 目标检测：能够实时检测图像或视频中的多个目标。 轻量级设...
YOLO v2 详解
Kula的博客
03-30 1329
（一）Tricks（二）训练过程（三）损失函数（四）YOLO9000
Python-YOLOLITE专门为没有GPU计算机优化的实时目标检测算法
08-11
YOLO-LITE：专门为没有GPU计算机优化的实时目标检测算法
YOLOv5-Lite由 yolov5 进化而来，模型大小仅有 900+kb（int8）和 1.7M（fp16） 在 Raspberry Pi 4B 上达到 15 FPS~.zip
最新发布
11-26
YOLOv5-Lite更轻量、更快、更易部署 对yolov5进行了一系列消融实验，使其更轻量（更小的Flops，更低的内存，更少的参数），更快（增加shuffle channel，yolov5 head进行channel Reduce，在Raspberry Pi 4B上输入320...
Yolo-lite:实时的适用于移动设备的目标检测算法(比ssd和mobilenet更快)
ghw15221836342的博客
11-24 1万+
YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers 论文：Yolo-lite paper 项目：Yolo-lite 摘要： 　　作者提出了一种可以应用于便携式设备中运行的实时的目标检测算法，例如：手机或者没有gpu的笔记本．在PASCAL VOC和coco数据集上的map是33...
树莓派部署
m0_75101686的博客
11-23 1105
7. 安装requirements中的包—输入pip install -r requirements.txt -i [https://pypi.tuna.tsinghua.edu.cn/simple](https://pypi.tuna.tsinghua.edu.cn/simple)1. 打开浏览器，在github上下载yolov5-lite-master（下载之后是一个压缩包），再下载一个v5lite-e.pt文件放在yolov5-lite-master下新创建的weights文件夹下。
yolov2详细讲解
qq_46519070的博客
07-13 3314
yolov2
YOLOv5-Lite 详解教程 | 嚼碎所有原理、训练自己数据集、TensorRT部署
hllyzms的博客
07-30 3562
这里给出轻量化设计的4个准则。
yolov3（c++）--自己的数据集记录
weixin_44804536的博客
04-22 761
yolov3（c++）–自己的数据集记录 anchor设置 根据自己的图片调整anchor的大小： 打入命令 ：darknet dtetctor calc_anchors .kp.data -num_cf_clusters 数量 图片的宽 高 修改.kp.data里面参数 python 从一个文件夹里copy相同名字（bmp）图片到另一个里面，格式不同(txt) impor...
YOLO系列之YOLO-Lite：实时运行在CPU上的目标检测算法
热门推荐
木盏
11-19 1万+
实时目标检测一直是yolo系列的追求之一，从yolo v1开始，作者就在论文中强调real-time。在后期的v2和v3的发展过程中，慢慢在P&R(尤其是recall rate)上下不少功夫。同时，计算量的增大也牺牲了yolo的实时性。 tiny-yolo是轻量级的yolo，在不那么要求mAP的场景下，tiny-yolo可以作为v2甚至v3的代替结构。事实上，对于无GPU的设备来讲，ti...
[mobilenetv1+k210]Yolov2目标检测网络分析与项目总结
xddcore的博客
04-22 8031
写在前面:大家好，我是小董。前段时间学业繁忙，好久没更新博客啦。今天结合自己正在做的项目，和大家聊一聊Yolov2网络，以及对我现在正在做的项目做个总结。 相信Yolo网络大家都很熟悉，从V1到V2引入了anchor（我理解中文翻译是先验框，也就是通过kmeans聚类算法，得到与数据集中bbox最接近的五个框，网络由V1的直接预测box坐标，变为预测bbox框相对于anchor的偏移量。一个cel...
yolo-lite的配置文件
09-23
YOLOv4-Lite是一种轻量级版本的You Only Look Once (YOLO)目标检测算法，它基于原版YOLOv4的设计，旨在减少模型大小和计算开销，同时保持一定的性能。配置文件通常包含网络结构、层类型、卷积核数、步长、过滤器尺寸等关键信息。 一个基本的YOLOv4-Lite配置文件可能会包括以下几个部分： 1. **头文件**：引入必要的框架库，如Darknet，以及YoloV4-Lite的定制模块。 ```yaml # yololite.hyp ``` 2. **基础参数**：比如训练数据集路径、类别数、学习率、批处理大小等。 ```yaml classes = 80 batch = 32 subdivisions = 16 learning_rate = 0.001 momentum = 0.9 decay = 0.0005 burn_in = 1000 max_batches = 200000 steps = [100000, 150000] ``` 3. **网络结构**：定义网络的层数、节点连接、激活函数等，例如Convolution、BatchNorm、Leaky ReLU等。 ```yaml [convolutional, depth=32, size=3, stride=1, pad=1, activation=leaky, batch_normalize=1, dropout=0.5] [yolo, anchors, ...] // YOLO特定的结构 ``` 4. **YOLO层**：包含锚点、网格尺寸、IOU阈值等用于检测框生成的设置。 ```yaml [yolo, 13, 13, 3, classes, 0.5, 0.95] [yolo, 26, 26, 3, classes, 0.5, 0.95] [yolo, 52, 52, 3, classes, 0.5, 0.95] ``` 5. **损失函数**：选择适合的目标检测任务的损失函数，通常是交并比得分（Intersection over Union, IoU）损失。 ```yaml loss = 'yolo' ``` 请注意，实际配置文件会因具体的YOLOv4-Lite版本和实现细节而略有差异。如果你想了解如何编写这样的配置文件，可以参考开源项目中的示例或查阅官方文档。如果你有具体的疑问，我可以提供更详细的解释或帮助你理解某个部分。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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