想学手机开发...该选择哪个平台?

southbirdfly 2010-08-24 04:13:43
android or symbian??本人对C++比较熟,java略懂...
...全文
609 28 打赏 收藏 转发到动态 举报
写回复
用AI写文章
28 条回复
切换为时间正序
请发表友善的回复…
发表回复
CRMNet 2011-03-27
  • 打赏
  • 举报
回复
我依旧Windows Mobile
极简Qt 2011-01-26
  • 打赏
  • 举报
回复
C++选择Meego
火云牌神 2010-11-23
  • 打赏
  • 举报
回复
android开放,学习起来方便;要想短期开发赚钱的话,还是选苹果吧
a1041895389 2010-11-18
  • 打赏
  • 举报
回复
就用android了
「已注销」 2010-11-15
  • 打赏
  • 举报
回复
学习了........
gistop 2010-11-15
  • 打赏
  • 举报
回复
推荐android
wutianyin222 2010-11-15
  • 打赏
  • 举报
回复
mtk不都是山寨机
市场上也不都是高端智能机 低端市场也有很大市场
毕竟中国人不都是富人
本人在一家小的手机设计公司 做着比mtk更悲剧的展讯
reggiekiller 2010-11-10
  • 打赏
  • 举报
回复
果断android
cnkiminzhuhu 2010-11-10
  • 打赏
  • 举报
回复
wp7开发的市场前景如何呢?
xyxjn 2010-10-29
  • 打赏
  • 举报
回复
诺基亚已经放弃symbian,MTK必亡,未来将是android
HurleyWang 2010-10-28
  • 打赏
  • 举报
回复
[Quote=引用 9 楼 tianjiao85 的回复:]
不建议学习android,JAVA人太多了,到时候做android的人会很多,对公司好,对个人不利,会贬值的。况且,选择技术不能跟风,市场前景好才是硬道理。
[/Quote]
同意这位仁兄
Joyfulmath 2010-10-27
  • 打赏
  • 举报
回复
看公司,工作内容,手机这个还要靠项目锻炼
丅op丫ou 2010-10-27
  • 打赏
  • 举报
回复
mtk,哈哈
swanmsg 2010-09-28
  • 打赏
  • 举报
回复
想入门,还是mobile/ce
zrrsj 2010-09-28
  • 打赏
  • 举报
回复
iphone
wxdcxp 2010-09-10
  • 打赏
  • 举报
回复
MTK不错
vclongking 2010-09-09
  • 打赏
  • 举报
回复
别说以后了 , 现在感觉Android的人都越来越多了。
xiaonan7627 2010-09-01
  • 打赏
  • 举报
回复
[Quote=引用 9 楼 tianjiao85 的回复:]

不建议学习android,JAVA人太多了,到时候做android的人会很多,对公司好,对个人不利,会贬值的。况且,选择技术不能跟风,市场前景好才是硬道理。
[/Quote]

同意这位仁兄的话
况且你做不过人家做了N年java的人
hunahuna 2010-08-29
  • 打赏
  • 举报
回复
个人也觉得android不错 就是第三方支持没有symbian多 但是android正在快速发展中 相信前景会越来越好 。但是我觉得你刚学的话 这些不用太关心这个 毕竟个人发展的话还是锻炼自己的能力为主吧 这样不管那个平台都能快速上手的
tianjiao85 2010-08-29
  • 打赏
  • 举报
回复
不建议学习android,JAVA人太多了,到时候做android的人会很多,对公司好,对个人不利,会贬值的。况且,选择技术不能跟风,市场前景好才是硬道理。
加载更多回复(8)
内容概要:本文深入讲解了CUDA纹理内存的原理及其在优化具有空间局部性的二维数据访问中的应用。文章首先介绍纹理内存的技术背景,包括其硬件级缓存机制、对空间局部性的支持、自动边界处理和硬件加速插值等优势,并列举其在图像处理、计算机视觉、科学计算和深度学习中的典型应用场景。随后详细剖析了纹理内存的硬件架构、访问模式优化机制及现代纹理对象API的使用方法。通过高斯模糊这一典型案例,完整展示了从纹理对象创建、核函数实现到主机端集成的全流程,并对比了纹理内存与全局内存的性能差异,实测显示纹理内存可带来显著加速(约2.19倍)。文章还介绍了多项高级优化技巧,如使用线性插值、cudaArray内存布局、多通道向量读取以及共享内存协同策略,并提供了编译、运行、性能分析和常见问题排查的实用指南。最后总结了适用场景判断标准并指出了进一步学习的方向。; 适合人群:具备一定CUDA编程基础的研发人员,熟悉GPU内存模型和C/C++语言,从事高性能计算、图像处理或深度学习底层开发的技术人员; 使用场景及目标:①优化图像卷积、模糊、缩放等二维空间数据访问密集型任务的性能;②掌握如何利用纹理内存提升GPU程序缓存命中率、降低内存延迟、减少分支发散;③学习现代CUDA纹理对象API的最佳实践及性能调优方法; 阅读建议:此资源强调理论与实践结合,建议读者在支持计算能力3.0以上的GPU环境中动手编译运行示例代码,使用Nsight系列工具进行性能剖析,并尝试修改纹理参数(如filterMode、addressMode)观察行为变化,以深入理解纹理内存的工作机制。

791

社区成员

发帖
与我相关
我的任务
社区描述
移动平台 其他移动相关
社区管理员
  • 移动开发其他问题社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧