一键升级到Domio Volt 1.0.1以及新功能简介

在这里插入图片描述
大家好,才是真的好。

2020年关于Domino平台上最火的应该是无代码(低代码)工具Domino Volt,HCL也是努了老力,投入了很多资源到该工具上。

所以我们能看到Volt从0.0.x版本一直更新到目前的1.0.1.9版本。

也许在我写这篇技术文档的时候,他们又更新了。

但没关系,目前我写时候,这是最新版本。

Volt秉承简单好用,大气兼的理念,随随便便我就开发出了一个好用的“个人事项管理”兼备统计查询功能,作为个人日常应用使用。
在这里插入图片描述
开发什么应用,在于个人。

对于产品来说,功能不断更新,还可以实现一键升级,就是从旧的Volt升级到最新的Volt,只需要双击运行一下install.bat即可。

光说不练可不行,让我们看看过程吧。

瞧,现在还是1.0.0.0_5版本。
在这里插入图片描述
我们甚至都不用关闭Domino服务器的运行,找到最新的1.0.1.9版本,双击运行Install.bat,如下图:
在这里插入图片描述
在简单地回到几个问题后(主要是安装路径啥的)
在这里插入图片描述
安装就完成了。

不知道需不需要重启,反正我是重启了,所以建议最好重启一下Domino

然后输入命令tell http osgi ss dleap

你看到新版本的Volt就正常工作啦。
在这里插入图片描述
升级是如此简单,瞧瞧这个版本
在这里插入图片描述
现在让我们看看这个版本中的新功能特性吧

比如说现在可以直接读取Domino目录中的用户和群组名
在这里插入图片描述
这在工作流中可重要了。

再比如,现在可以直接读取其他Notes数据库中的数据啦。
在这里插入图片描述
这个也相当重要啊。

前面Volt可以读取Excel中的数据,现在也支持可填写的PDF文件数据了。

在这里插入图片描述
还有,你也可以使用Anonymous匿名用户访问了,这样未登陆用户也可以访问你的应用(站点)了,比如自己建个博客站点,现在是分分钟的事情。
在这里插入图片描述
当然,对于开发管理来说,还有个升级功能也很重要。

你总不能已部署的生产应用中再进行开发,万一断电了,或网络中断了,这是相当危险的。

嗯,现在版本支持升级功能,其实就是自动建立应用副本,你现在可以在应用副本上尽情开发、测试,等完全通过了,升级已有的应用即可。
在这里插入图片描述
还有几个小功能,我们就不一一介绍。

Volt更新得这么快,未来是不是充满了无限可能?

更多精彩内容请关注微信公众号“协作者”

原文地址:https://mp.weixin.qq.com/s/5KCa7gGxOKpvvxIgcxXLPw

更多HCL Domino学习视频请关注淘宝店铺:协作者的店

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
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