symbian 应用程序中的视图切换(series 60)

本文介绍了一种在Symbian平台的应用UI中切换不同Container的实现方法,通过使用CCoeControl::MakeVisible()函数来控制显示与隐藏,以达到视图切换的效果。此外还提供了一个替代方案,在需要时动态创建和销毁Container。
 

最简单的办法是通过CCoeControl::MakeVisible()函数改变Container的可见性:

1. 在AppUi::ConstructL()里创建两个Container类的实例,并调用AddToStackL()将它们加入到Constrol Stack中,然后隐藏暂时不显示的Container

void CMyAppUi::ConstructL()
    {
    BaseConstructL();

    iContainer1 = CMyContainer1::NewL(ClientRect());
    iContainer2 = CMyContainer2::NewL(ClientRect());
    AddToStackL(iContainer2);
    AddToStackL(iContainer1);

    iContainer2->MakeVisible(EFalse);
    }

2.在接收到命令后切换两个Container的可见性

void CMyAppUi::HandleCommandL(TInt aCommand)
    {
    switch(aCommand)
        {
        case ESwitchToContainer2:
            {
            iContainer2->MakeVisible(ETrue);
            iContainer1->MakeVisible(EFalse);
            break;
            }
        case EEikCmdExit:
        case EAknSoftkeyExit:
            {
            Exit();
            break;
            }
        default:
            {
//            Panic(EHelloWorldBasicUi);
            break;
            }
        }
    }

3. 在AppUi的析构函数中调用RemoveFromStackL()将两个Container从Control Stack中移除并delete掉。
CMyAppUi::~CHelloWorldAppUi()
    {
    if (iContainer1)
        {
        RemoveFromStack(iContainer1);
        delete iContainer1;
        }
    if (iContainer2)
        {
        RemoveFromStack(iContainer2);
        delete iContainer2;
        }       
    }

  另一个办法是一开始只创建Container1,等用到Container2时再创建Container2,并销毁Container1。

【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。
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