是的,Notes Domino 14.5 EA1来得这么快!

大家好,才是真的好。

作为一个闲不住的人,我每天都在关注最新的Notes Domino 14.5,这不,9月3号一大上午就给我惊醒了,HCL居然提前放出可下载的Notes Domino 14.5 EA1安装介质。

我当然还没下载测试,如果你购买了企业授权,可以在https://my.hcltechsw.com/登录并授权下载。

假如没授权,那么就等一下,看有没有其他渠道。

这只是EA1版本,你可以理解为14.5 Beta1版本。

在接下来的三个月左右,还会陆续放出3个Beta版本,然后就是一个最终版本。

这4个Beta版本,每个都会陆续加入一些新功能,所以,正式的14.5版本会让人有所期待。

今天我们聊的是EA1版本。从发布的技术文字上来看,这版本当中确实更新了不少功能,不过令人耳目一新、眼前一亮的功能不很多,可能为后续版本埋下伏笔。

和大家一样,我也没想到这一版本Domino更新了JVM到了Java 21 LTS,支持所有1.8版本以上的Jar包;此外,Notse标准客户机、Domino Administrator, Domino Designer和 XPages都从 Eclipse 4.22升级到4.30;Notes Basic基本客户机现在也有了64位版本(以前都是Notes标准版本才有64位);其他新增的还有DAOSTune Estimation Tool(DAOS估算工具),可以帮助估算要开启的附件合并功能,设置多大附件比较合理,在性能和磁盘节省之间取得平衡;还有DAO修复功能(可修复单个和所有的nlo附件)等;新增了支持Domino可加载多个扩展库目录(引入Domino外部功能库,例如ExtMgr_Dir3=d:\Application\Libraries,划重点,这个很可能是为后续引入某些外部功能埋下重要伏笔!);Domino现在也可以变成OIDC验证提供者(认证授权服务器,这也会产生很多有趣的应用可能性);还有自动更新和安装功能autoupdate,14.5 Beta1应该是真正完整意义上的自动更新、自动安装的实践等等。

顺便说一下,DominoDesigner/Xpages的Web富文本编辑器Ckeditor 4也更新到了TinyMCE 6.7。

新功能很多,但以上功能可能是为其他新功能开启大门,因此在这里着重介绍一下。

其余的,你要是有时间,可以查看hcl站点发行说明文档:

https://support.hcltechsw.com/csm?id=kb_article&sysparm_article=KB0115513

这里有一个ND4.5 EAP 论坛:

https://hclsw.co/domino-14-5-eap-forum

其他链接还有管理新特性:

https://help.hcl-software.com/domino/14.5.0/admin/wn_145_ea1.html

Notes客户机新特性:

https://help.hcl-software.com/notes/14.5.0/client/whatsnew_notes.html 

Designer应用开发新特性:

https://help.hcl-software.com/dom_designer/14.5.0/basic/wn_14.5_ea1.html

Domino常规更新新特性:

https://help.hcl-software.com/dom_designer/14.5.0/basic/wn_generalupdates.html

今天我们就介绍到这里吧。

最后欢迎搜索公众号“协作者”来关注我。

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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