Moonlight 1.0正式版发布,Silverlight已经支持Linux

Novell宣布发布Moonlight 1.0,这是Silverlight的开源版本,支持多种Linux发行版。Moonlight使Linux用户能够浏览和使用Silverlight内容及应用。Novell计划在后续版本中提供更多功能。

Scott:我在此非常兴奋地宣布,Novell 今天发布了Moonlight 1.0,可免费下载,支持大多数主流Linux版本(包括openSUSE, SUSE Linux Enterprise, Fedora, Red Hat, 和 Ubuntu)。对那些不熟悉该产品的,Moonlight是Novell和微软针对Linux联合开发的Silverlight开源实现。

我的团队与Miguel de Icaza和他的团队在这个项目上紧密合作,我们还发布了微软媒体包(Microsoft Media Pack),该包是一套授权了的媒体编码器(licensed media codecs),可用来播放所有与Silverlight兼容的媒体(wmv, wma, mp3等等),可为运行Moonlight的Linux用户免费下载。

Moonlight将允许Linux用户浏览Silverlight内容和使用Silverlight应用。最近,总统就职委员会使用Silverlight转播了Barack Obama总统的就职典礼。超过五万使用了Linux的用户安装Moonlight,在线观看了这个现场活动。Miguel de Icaza和Moonlight的志愿者们做了极大的努力,确保Linux用户能够观看就职典礼的转播,尽管当时离Moonlight的正式发布尚有几个星期的时间。

image

我对Miguel和他Novell的团队所做的令人敬畏的工作感到非常兴奋,我们非常期望看到他们正努力开发的Moonlight 2(与Silverlight 2兼容,支持.NET的开源实现)。想了解Moonlight 1.0详情的话,请参阅Miguel的相关博客

谢谢。

REF博客堂

IT168上的介绍:Silverlight只能在Windows上运行,这让很多用户无法领略这一技术的风采,Novell在很早之前就承诺要开发Silverlight的开源版本,昨日,Novell开发者平台副总裁和Mono创始人Miguelde Icaza宣布,Silverlight开源版本Moonlight 1.0正式版发布,并提供免费下载。
  Miguel de Icaza表示:“Moonlight 1.0的功能很完善,我们通过了微软所有的回归测试,而且支持Silverlight的X86和X86-64架构。”
  Moonlight 1.0以Firefox插件形式运作,支持Unix、Linux和PowerPC Mac。在Firefox中安装时,系统会出现阻止信息栏,此时点击“编辑选项”按钮,将www.go-mono.com添加到许可网站中。

  Moonlight 2.0版本将基于Silverlight 2.0,预期在今年十一月份的微软专业开发者大会(PDC)上发布,de Icaza表示,Novell届时还将首次展示Moonlight的3.0版本。

  官方下载:http://www.go-mono.com/moonlight/

转载于:https://www.cnblogs.com/slteam/archive/2009/02/13/1390181.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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