轻量级的移动 webapp 框架Jingle

最新推荐文章于 2020-04-01 09:34:36 发布
最新推荐文章于 2020-04-01 09:34:36 发布
阅读量98 收藏
点赞数

一大早爬起来，发现这样的一个东东，国产，感觉实用性很强，试着用用。

 

1.28补记：

试着用jingle做了一个网站的移动版，感觉如果在布局上要求不高的话 - 目前支持的布局只有list，还是挺不错，做东西很快。

 

忽然想到这可能也是一种心法，少即是多。当我心中设想着很多复杂效果时，发现没有可用的工具；但一旦我确定就要用它时，至少可以保证先把做出一版东西来。

 

另，web app的性能确实影响用户体验，延时很严重。

在使用过程中，发现jingle确实还不够完善，一个他不能方便的加载自定义的页面，这对改造一些已有系统，是比较麻烦的地方；另一个，场景跳转的事件还有bug。

 

抱歉，把博客当微博来用

weixin_33810302
关注
jingle.js非常好的单页客户端框架
07-11
非常好的，而且非常全面的编写html5手机客户端的框架 并有demo，集成了zeptp、iscroll、template等框架
Jingle.js单页客户端框架
04-24
jingle.js非常好的单页客户端框架，而且非常全面的编写html5手机客户端的框架 并有demo，集成了zeptp、iscroll、template等框架
移动混合开发框架Jingle简介
weixin_30376509的博客
09-21 270
官方网址：http://vycool.com Jingle是一个SPA(Single Page Application)开发框架，用来开发移动端的html5应用，在体验上尽量去靠近native应用，希望有一天html5能够做到与native一样的操作体验。 1.丰富的UI组件 提供了按钮、列表、表单、弹出框、轮换、上拉/下拉、日历等各种移动端常用的组件，简单适用。 2.前后端分离 支持前...
移动架构 (六) 轻量级进程间通信框架设计
qq_42795723的博客
04-01 456
概述 现在多进程传递数据使用越来越广泛了，在 Android 中进程间通信提供了 文件 、AIDL 、Binder 、Messenger 、ContentProvider 、Socket 、MemoryFile 等，实际开发中使用最多的应该是 AIDL ,但是 AIDL 需要编写 aidl 文件，如果使用 AIDL 仅仅是为了传递数据, 那么 LYKProBus 是你不错的选择。 YKProBus...
jeesite中Jingle UI 帮助文档
03-17
jeesite框架开发手机端功能，所使用的Jingle UI 帮助文档，页面布局说明，部分标签使用说明
SUI Mobile轻量级的webAPP框架 v1.0.1 二次开发版
12-01
SUI Mobile(sm.js) 是一套基于 Framework7 开发的UI库。它非常轻量、精美，只需要引入文件就可以使用，并且能兼容到 iOS 6.0+ 和 Android 4.0+，非常适合开发跨平台Web App。
SUI Mobile轻量级的webAPP框架源代码
03-18
它非常轻量、精美，只需要引入文件就可以使用，并且能兼容到 iOS 6.0+ 和 Android 4.0+，非常适合开发跨平台Web App。 SUI Mobile(sm.js) 二次开发版_v1.0.2 更新日志: 1.修复ajax加载页面事件会出现多
SUI Mobile轻量级的webAPP框架 v1.0.2 二次开发版
11-09
它非常轻量、精美，只需要引入文件就可以使用，并且能兼容到 iOS 6.0+ 和 Android 4.0+，非常适合开发跨平台Web App。SUI Mobile(sm.js) 二次开发版_v1.0.2 更新日志:1.修复ajax加载页面事件会出现多次绑的问题2....
Sparrow是一款针对移动webapp开发的前端轻量级框架
08-10
Sparrow是一款专为移动Web App开发设计的前端轻量级框架，它旨在简化开发者在构建响应式、高性能的移动应用时的工作流程。在当前的互联网环境中，随着移动设备的普及，移动Web App的需求日益增长，Sparrow应运而生，...
xo:一个轻量级的 MVC webapp 框架
07-08
A lightweight MVC webapp framework Basic architecture |-- hashchange | |-- XO.Base.history | | |---Router （路由器） | |-- XO.Base.Router -- | xo.router | | |--- Controller （控制器） | |-- xo....
webrtc和jingle技术
09-11
webrtc和jingle技术研究。语音和视频技术研究。
webrtc jingle部分的实现，用的可以去研究
02-15
webrtc是一个很好的音视频操作库， 此代码包含WEBRTC中JNGLE部分的内容，方便集成和使用。
移动web开发框架研究
modabobo
11-13 403
纯粹的总结一下移动web开发框架，移动web开发框架有jQuery Mobile 、Sencha Touch等等,他们都来源于web开发，是成熟的框架，jQuery Mobile出自于jQuery家族，Sencha Touch来自于ExtJS。jQuery Mobile 和Sencha Touch都是比较成熟老牌的框架，项目中也有应用。国内也有公司，像BAT巨头也在探索和实现了适合自己的移动...
一种Jingle开源库的文件传输原理与实现
记事本
09-22 6114
0    引言 随着即时通信（IM）软件已经成为互联网信息平台的重要组成部分[4]。但基于自身利益的考虑，各个IM软件均制定并保守自己支持的通信协议格式和标准，导致了各个通信软件不能互联互通，客观上制约了IM的发展。 XMPP协议标准解决了不同即时通信平台信息互通的难题。基于XMPP扩展P2P协议的应用开源库libjingle库可以开发第三方IM软件，最终实现第三方IM与支持X
Jingle协议详解
chenhande1990chenhan的专栏
04-14 6394
Jingle详解   1.介绍 Jingle协议的目的是在XMPP实体间建立一对一、点对点的媒体会话，使其在进行媒体数据协商和交互时使用XMPP的信令交互。虽然Jingle协议提供了一个通用的会话管理框架，但是其设计的原始目的仅仅只是为了音视频通讯，强调的是“简单”。Jingle协议的目的不是为了建立一个完整的电话应用程序，包括呼叫等待、呼叫转发、呼叫转移、IVR系统、定位、视频会议等等。这
smackx jingle语音通话实例
923723914
04-12 196
关于jingle ，资料网上少之又少，官方提供的Demo无法运行（原因：问声明客户端支持Jingle，所以服务端返回501异常）。 这个问题困然我几天，然后在Ignite Realtime看到一篇可以很好工作的JIngle示例： public static void main(String[] args) throws Exception { // enable Jingle servi...
基于深度学习的行人分类.zip
最新发布
09-21
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，用于更新网络权重，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新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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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