阅读更多

4顶
1踩

行业应用

Mono将.NET带到了Linux、Mac OS X等类Unix平台。让这些平台都具备开发和运行.NET的能力。 Mono是一个完整的.NET运行环境,而与之配套的开发工具是:MonoDeveloper。

Mono 2.8.2 版本发布。修复了一些bug,对程序性能进行了提升。

Mono 2.8.2 版本主要更新和改进:

    * Google Native Client Support
    * New Profiler engine
    * Faster socket stack
    * Improved Parallel Framework
    * SGen Precise Stack Scanning and Many performance improvements.
    * Unified MonoTouch/Monodroid runtime support
    * Cecil/Light
    * New C# Compiler backend (can now use any custom mscorlib)
    * VB Compiler can now compile to both 2.0 and 4.0 profiles.
    * Supports ASP.NET MVC3, Razor and new WebPages.
    * New WebMatrix.Data database API.
    * Improved OSX Mono
    * F# and IronRuby

详细的版本发布信息请查看:http://www.mono-project.com/Release_Notes_Mono_2.10

下载请点击:http://www.go-mono.com/mono-downloads/download.html

4
1
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 跨平台的.NET运行环境Mono 2.10发布

    跨平台的.NET运行环境Mono 2.10发布 2011-02-18 09:58 | 5368次阅读 | 来源:博客园 【已有14条评论】发表评论 关键词:2.10,Mono,.NET | 作者:itwriter | 收藏这篇资讯 <br />Mono...

  • 跨平台的.NET运行环境Mono 2.10发布,徐汇区网站设计

    转载于:https://www.cnblogs.com/waw/archive/2011/09/15/2177954.html

  • 跨平台的.NET运行环境Mono 3.2 发布

    同时对Mono3.0和Mono2.10停止支持,没有为该分支修复Bug的进一步计划。  如果你还不了解Mono,请参看:Mono简介(官方文档翻译) 主要新特性: LLVM更新到3.2版本,带来更多的编译优化; 默认使用SGen垃圾...

  • 跨平台的 .NET 运行环境 Mono 3.2 新特性

    Mono 3.2 发布了,对 Mono 3.0 和 2.10 版本的支持不再继续,而且这两个分支也不再提供 bug 修复更新。 Mono 3.2 主要新特性: LLVM 更新到 3.2 版本,带来更多的编译优化 默认使用 SGen Garbage Collector 垃圾收集...

  • .NET也可以跨平台 Mono 2.10发布

    Mono是一个开源的跨平台的.NET运行环境,支持Unix, Windows, MacOS等操作系统。 Mono 2.10是基于mono在github上的主分支Mono 2.8的一个重要升级,发布于2011年2月15日。 Mono 2.10主要更新和改进: 如果你看到这...

  • Mono 3.2 发布,跨平台的 .NET 运行环境

    Mono 3.2 发布了,对 Mono 3.0 和 2.10 版本的支持不再继续,而且这两个分支也不再提供 bug 修复更新。 Mono 3.2 主要新特性: LLVM 更新到 3.2 版本,带来更多的编译优化 默认使用 SGen Garbage Collector ...

  • CentOS Linux上使用Apache/mono搭建.NET运行环境

    Mono是一个跨平台的、开源的.NET开发框架。支持Linux系统,它是Novell公司基于SUSE Linux操作系统开发的。  官网:http://mono-project.com/Main_Page   网上查了下,在Linux上要使用ASP.NET环境的Web服务器...

  • .NET跨平台初体验

    我的个人观点: 我觉得C#是最优美,最万能的编程开发语言,这种观点一... 为什么说C#是最万能的语言,因为我觉得它是至今为止好多平台,好多方向都能用它开发,就拿我自己亲身接触过的来说,C#能XMargin Mono开发三大主

  • ASP.NET 跨平台最佳实践

    前言 八年的坚持敌不过领导的固执,最终还是不得不阔别已经成为我第二语言的C#,转战Java阵营。...本文并非为.NET正名而来,而仅仅是分享作者近几年在ASP.NET跨平台方面的研究与实践经验,算是对...

  • ubuntu+mono+jexus 搭建.net的web平台 实现.net跨平台

    tar jvxf libgdiplus-2.10.tar.bz2 && tar jvxf mono-2.11.3.tar.bz2 ls指令查看到解压的文件夹 安装libgdiplus cd /var/tmp/libgdiplus-2.10 ./configure --prefix=/usr make && sudo make ...

  • mono平台及部署asp.net经验之谈

    几年前就了解MONO平台了,但一直因为对linux不懂,所以没敢碰。在最近一个月终于尝试着使用mono了。花费将近1个月的时间去部署,吃尽无数苦头,最终还是成功了。在此整理,给朋友们做参考,少吃苦头。一:系统选择 ...

  • Asp.Net跨平台:Ubuntu14.0+Mono+Jexus+Asp.Net

    Asp.Net跨平台的文章园子里有很多,这里给自己搭建的情况做一下总结,方便以后查看。  参考网站:  http://www.linuxdot.net/(Linux DotNET大本营) http://www.cnblogs.com/shanyou/p/4677569.html(张善友...

  • Linux下的.NET之旅:第一站,CentOS+Mono+Xsp构建最简单的ASP.NET服务器

     由于Linux/Unix等有更强的安全性、运行效率高、拥有大量优秀的开源组件,而.Net则有着其他语言无与伦比的开发效率,因此在非微软平台下运行.Net程序的需求很强烈。Mono 是一个由Novell 公司发起、并且得到微软支持...

  • .net跨平台解决方案------mono真正实现C#代码一次编写处处运行

    2000年微软正式推出.net战略平台,凭借强大的开发环境ide—visual studio和对多种编程语言的支持(包括vb,vc++,c#,f#)和丰富的开发交流社区及易用的windows 服务器环境而迅速走红,甚至独领风骚,可以与ja...

  • 毕业设计基于STC12C5A、SIM800C、GPS的汽车防盗报警系统源码.zip

    STC12C5A通过GPS模块获取当前定位信息,如果车辆发生异常震动或车主打来电话(主动请求定位),将通过GSM发送一条定位短信到车主手机,车主点击链接默认打开网页版定位,如果有安装高德地图APP将在APP中打开并展示汽车当前位置 GPS模块可以使用多家的GPS模块,需要注意的是,当前程序对应的是GPS北斗双模芯片,故只解析 GNRMC数据,如果你使用GPS芯片则应改为GPRMC数据即可。 系统在初始化的时候会持续短鸣,每初始化成功一部分后将长鸣一声,如果持续短鸣很久(超过20分钟),建议通过串口助手查看系统输出的调试信息,系统串口默认输出从初始化开始的所有运行状态信息。 不过更建议你使用SIM868模块,集成GPS.GSM.GPRS,使用更加方便

  • 基于tensorflow2.x卷积神经网络字符型验证码识别.zip

    基于tensorflow2.x卷积神经网络字符型验证码识别 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

  • 【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip

    【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip

  • 自己编写的python 程序计算cpk/ppk

    cpk&ppk python 小程序,品友点评

  • 基于Springboot开发的分布式抽奖系统.zip

    基于springboot的java毕业&课程设计

  • 课设毕设基于SpringBoot+Vue的影城管理系统 LW+PPT+源码可运行.zip

    课设毕设基于SpringBoot+Vue的影城管理系统 LW+PPT+源码可运行.zip

Global site tag (gtag.js) - Google Analytics