GitHub 终于推出 App,全球最大男性开发者交友的福音,iOS版已开放下载!

GitHub在年度大会上宣布推出移动版App,iOS用户已可试用,Android版即将上线。此外,代码搜索、打赏功能全面开放,GitHubActions及Packages转正,支持自托管运行程序。GitHub打赏扩展至代码项目,提升开发者收入。

点击“开发者技术前线”,选择“星标🔝”

13:21 在看|星标|留言,  真爱

640?wx_fmt=jpeg

晓查 发自 凹非寺 量子位 报道 

GitHub在今天的Universal年度大会上发布了数项重要更新,GitHub移动版App今天正式推出,另外之前代码搜索、打赏功能也逐步推广到所有的开源项目中。

在过去的一年里,GitHub上的开发人员突破了1000万,贡献了超过4400万个repo,其中80%来自美国以外的地区。

但是作为全球最大的代码托管网站,GitHub直到今天才推出手机App着实让人感到诧异。

640?wx_fmt=jpeg

GitHub CEO在新闻发布会上说。“我敢打赌,五年内在GitHub上进行的互动有一半以上将在移动设备上进行。”

看来手机版App到了不得不发的时候了。

手机版GitHub来了

GitHub今年终于迎来了移动版程序,过去只能在手机版网页中查看GitHub项目,现在可以在iPhone和iPad上查看项目代码。

而且原本在电脑端的快捷键在iPad上也完全一样,iPad Pro向生产力工具又迈进了一步。

iOS版的GitHub提供的功能有:查看代码、合并拉取请求、回复用户的问题、查看错误报告、以及通过手机将问题分配给其他开发人员。

640?wx_fmt=jpeg

不过GitHub并没有给移动App加入写代码功能,GitHub表示,软件开发生命周期中的协作很重要,写代码只是其中的一小部分。

对于开发者来说,最重要的一点是再也不会受到通知消息的狂轰滥炸了,移动版程序允许用户自定义过滤器,像电子邮件客户端一样过滤出其中最重要的信息。

640?wx_fmt=jpeg

iOS用户可以前往网站,填写自己的Apple ID,获取TestFlight安装邀请码,未来几个月正式版将会在GitHub官网上推广。而Android用户还需要等一等,才会有beta版安装包。

其他更新

之前推出的工作流自动化和CI/CD解决方案GitHub Actions以及GitHub Packages从beta版进化为正式版,每个开发者都可以使用。

GitHub增加了免费自托管运行程序,可以在基于ARM得设备(比如树莓派)上运行Actions的功能。

GitHub还改善了代码搜索,新的搜索功能可以根据上下文相关的语义库来查找定义,并在代码中跳转到相应站点。

640?wx_fmt=jpeg

Beta版的新代码搜索体验能匹配精确的结果,包括特殊字符、大写字母以及标准的启发式文本搜索。

为了支持开源社区,GitHub还宣布将GitHub打赏扩展到代码项目上。

GitHub打赏功能“GitHub Sponsors”于今年5月推出,最初允许用户向个人开发人员捐赠。现在团队的单个项目也可以得到用户的打赏。

GitHub Mobile获取地址:https://github.com/mobile

END

640?wx_fmt=png
「在看」大家一起看
内容概要:本文提出了一种基于离散平稳小波变换(DSWT)域中结合离散余弦变换(DCT)与局部空间频率(LSF)的红外与可见光图像融合方法,并配套提供了完整的Matlab代码实现。该方法首先对源图像进行DSWT多尺度分解,获取低频逼近系数和高频细节子带;在低频子带融合中采用加权平均与最大值选择相结合的策略,以保留较强的能量成分;在高频子带融合中,则依据DCT系数的能量分布与局部空间频率信息设计自适应融合规则,突出显著结构与边缘细节。最终通过逆DSWT重构获得融合图像。该算法有效整合了红外图像的热辐射特征与可见光图像的丰富纹理信息,显著提升了融合结果的视觉质量与信息完整性,在目标可见性、对比度和细节保真方面表现优异。; 适合人群:具备数字图像处理基础知识和Matlab编程能力,从事计算机视觉、遥感成像、安防监控、智能驾驶或模式识别等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于夜间 surveillance、复杂光照条件下的目标检测与识别、军事侦察、自动驾驶环境感知等需融合多模态图像信息的场景;②旨在提高融合图像的空间分辨率、对比度与语义完整性,增强后续高层视觉任务(如检测、识别、跟踪)的可靠性;③为学术研究提供可复现、可拓展的图像融合技术方案与代码参考。; 阅读建议:建议结合Matlab代码逐模块分析算法流程,重点理解DSWT分解与重构机制、DCT变换在频域能量分析中的作用以及局部空间频率在细节增强中的设计逻辑,可通过更换不同场景的测试图像验证算法鲁棒性,并尝试调整融合权重参数以优化特定应用场景下的性能表现。
内容概要:本文详细阐述了基于非线性反步法与Lyapunov函数相结合的模型预测控制(MPC)在自主水下航行器(AUV)轨迹跟踪中的应用,复现了高水平期刊研究成果。研究涵盖AUV的Fossen动力学建模、非线性系统控制律设计、Lyapunov稳定性理论的融合以及MPC优化框架的构建,旨在提升水下航行器在复杂海洋环境下的轨迹跟踪精度与系统鲁棒性。通过反步法逐级构造控制输入,并引入MPC优化未来控制序列,有效处理系统非线性、外部干扰及动态约束问题,实现高精度、强鲁棒的轨迹跟踪控制。; 适合人群:具备自动控制理论、非线性系统分析及MATLAB/MPC仿真基础,从事水下机器人、智能控制、导航制导与控制(GNC)等方向的研究生、科研人员及工程技术人员,特别适用于拟开展高水平科研论文写作与算法复现的研究者。; 使用场景及目标:① 掌握非线性反步法在AUV控制中的系统化实现流程;② 深入理解Lyapunov稳定性理论与MPC协同设计的控制架构;③ 复现并拓展顶刊先进控制算法,提升科研创新能力与仿真实践水平;④ 为高精度水下航行器轨迹跟踪提供理论支持与技术解决方案。; 阅读建议:建议结合提供的MATLAB代码进行同步仿真,深入剖析控制律推导、Lyapunov函数构造及MPC权重矩阵调优过程,重点关注Fossen模型假设条件、系统参数敏感性分析,并在不同轨迹指令与扰动工况下验证算法的鲁棒性与适应性。
评论 1
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