UNet实战系列(二)

    经过上一节的学习,同学们都知道Network Manager HUD组件和Network Manager组件要配合着使用。Network Manager HUD为Network Manager提供简单的登陆界面,可是我们不想用简易的界面,我们想自己做属于自己项目的高大上的界面该怎么办呢?这篇文章讲讲如何自己创建一个简单的Network Manager 界面。

   一.   跟上一篇一样,我们首先要创建一个空对象命名为NetworkManager,为其添加Network Manager组件。

   二 . 为Network Manager对象添加新脚本,命名为SimpleNetworkGUI,为其添加如下代码;

using UnityEngine;
using UnityEngine.Networking;

public class SimpleNetworkGUI : MonoBehaviour
{
	//是否开启网络功能(是否连接网络)
	bool isHaveNetworkRole = false;

	void Start()
	{
		//如果isHaveNerworkRole为true则隐藏Start Host按钮,Start Server按钮,Start Client按钮,显示stop按钮
		//如果isHaveNerworkRole为false则显示Start Host按钮,Start Server按钮,Start Client按钮,隐藏stop按钮
		isHaveNetworkRole = false;
	}

	private void OnDisconnected()
	{
		isHaveNetworkRole = false;

	}

	void OnGUI()
	{
		if(isHaveNetworkRole)
		{
			if(GUI.Button(new Rect(Screen.width / 2 - 80, Screen.height / 2 - 12, 160, 24), "Stop"))
			{
				 NetworkManager.singleton.StopServer();
				 NetworkManager.singleton.StopClient();
			     NetworkManager.singleton.StopHost ();
				OnDisconnected();
			}
			return;
		}
		if(GUI.Button(new Rect(Screen.width / 2f - 80, Screen.height / 2 - 48, 160, 24), "Start Host"))
		{
			var client  = NetworkManager.singleton.StartHost();
			isHaveNetworkRole = true;

		}
		if(GUI.Button(new Rect(Screen.width / 2f - 80, Screen.height / 2 - 12, 160, 24), "Start Server"))
		{
			isHaveNetworkRole = NetworkManager.singleton.StartServer();
		}

		if(GUI.Button(new Rect(Screen.width / 2f - 80, Screen.height / 2 + 24, 160, 24), "Start Client"))
		{
			var client = NetworkManager.singleton.StartClient();
			isHaveNetworkRole = true;
		}
	}
}


三 .

四 . 运行起来看看效果


结束了 哇咔咔,o(^▽^)o 这次的内容是不是超级简单。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: UNet图像分割实战源码是指一种基于深度学习框架的图像分割算法,该算法可以自动地将输入图像中的不同物体分离出来,从而实现对图像的像素级别的精准处理。这种算法能够在医学影像、自然图像和遥感图像等领域中获得广泛的应用。 在实践中,基于UNet的图像分割算法通常使用Python编程语言来实现,主要依赖于深度学习框架Keras和TensorFlow等库。UNet算法主要采用了一种类似于自编码器的结构,在输入和输出之间插入一系列的CNN层,通过下采样和上采样的方式来提高算法的整体性能。 通常来说,基于UNet的图像分割算法比其他传统的分割方法更加精准和高效,而且具有相对较少的参数和训练时间。近年来,由于深度学习的快速发展,UNet图像分割工具的应用也越来越普及,已经成为了图像分割领域中的一种标准方法。 ### 回答2: UNet图像分割实战源码是一种用于图像分割的深度学习网络模型。它采用encoder-decoder的框架,其中encoder部分用于提取图像特征,decoder部分用于将这些特征映射回原始图像空间并生成预测掩码。该模型结构简单,训练速度快,并且在医学图像分析和自然图像分割等领域均取得了较好的效果。 UNet图像分割实战源码的代码实现通常使用TensorFlow、Keras或PyTorch等深度学习框架。该源码在准备数据时,需要进行一些预处理工作,如裁剪图像、提取标签等。在训练模型时,需要对数据进行数据增强、设置损失函数、选择优化器、设置学习率等。训练完成后,还需要对模型进行测试,并生成预测结果。 UNet图像分割实战源码的应用广泛,如在医学图像领域中,可用于肿瘤分割、血管分割、病变分割等任务中。在自然图像分割领域中,可用于语义分割、实例分割、轮廓分割等任务中。 UNet图像分割实战源码已经成为图像分割领域中的一种经典算法,并且正在不断地被改进和优化,以适应不同领域的需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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