DNN中的Localization系统

简介:
一直对本地化挺有兴趣。原来也做过类似的工作。但一直都觉得做得不好。所以很想看看 DNN 是怎么做得。在 DNN 的文档中 /Documents/DotNetNuke Localization 看了一下。觉得这篇文章写得很好。然后又特意去查了下 MSDN 。结果查到了这篇文章 http://msdn.microsoft.com/library/chs/default.asp?url=/library/CHS/vbcon/html/vbwlkwalkthroughlocalizingwebforms.asp 。可以看做是 .net 平台上 web 本地化的一个入门教程。
DNN 利用了 .net 中的 RSCX 文件来存放各语言的内容。但 DNN 获取 Rscx 中内容的方法并不像上面 MSDN 中的文章那样,利用 .net 提供的功能类来做。而是用了操作 XML 文档的方法。从 Localization 类的 GetString 方法入手,一路转跳。可以了解 DNN 是如何操作的。但我不明白的是为什么不还利用 .net 提供的功能类。在 DNN 的文档中说是为了兼容 Asp.net2.0 而这样设计。还没有开发过 Asp.net2.0 的项目。所以没有体会到它的苦心。
在为控件本地化上, DNN 为每个需要本地化的控件添加了一个 resourcekey 值。觉得这样做比在后台类中为各控件一一赋值更为灵活更易修改。也减轻了编码的困难。另外,如果不方便添加 resourcekey 的控件和其他一些地方的本地化,也可以调用 GetString 和其他 API 。使得本地化变得更为简单。呵呵。又学到一点。但是我一直找不到哪个类是完成这个赋值,望指点。
DNN localization 系统中。可以看到一个 FallBack 的概念。大家可以看看 Localization 类中的 GetResource方法以及它的注释。觉得挺有意思的。

看完这个系统后。给我的体会是,做一个系统时,不但要思考你过去做这个功能用过什么样的方法。还有特别注意你所用的平台对这个功能提供了什么特定的接口。像Localization你可以用文本,数据库来存放语言信息。但.net平台下,一个首先应该考虑的是利用rscx文件来存放。所以说,虽然平台之间可以触类旁通,但如果想真正做得十分优秀,必须对你所用的平台做到十分的了解和专精。另外。在完成功能类后,应该更多考虑不同的UI。提供更为丰富和灵活的接口。









本文转自 duguguiyu 51CTO博客,原文链接:http://blog.51cto.com/duguguiyu/361754,如需转载请自行联系原作者
目录
相关文章
|
XML 存储 JSON
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
1491 0
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
|
8月前
|
机器学习/深度学习 编解码 自然语言处理
Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation论文解读
在过去的几年中,卷积神经网络(CNN)在医学图像分析方面取得了里程碑式的进展。特别是基于U型结构和跳跃连接的深度神经网络在各种医学图像任务中得到了广泛的应用。
304 0
|
11月前
|
机器学习/深度学习 算法 数据可视化
深度学习论文阅读目标检测篇(一):R-CNN《Rich feature hierarchies for accurate object detection and semantic...》
 过去几年,在经典数据集PASCAL上,物体检测的效果已经达到 一个稳定水平。效果最好的方法是融合了多种低维图像特征和高维上 下文环境的复杂集成系统。在这篇论文里,我们提出了一种简单并且 可扩展的检测算法,可以在VOC2012最好结果的基础上将mAP值提 高30%以上——达到了53.3%。
121 0
深度学习论文阅读目标检测篇(一):R-CNN《Rich feature hierarchies for accurate object detection and semantic...》
|
8月前
|
机器学习/深度学习 编解码 自然语言处理
Swin Transformer Hierarchical Vision Transformer using Shifted Windows论文解读
本文提出了一种新的Vision Transformer,称为Swin Transformer,它能够作为计算机视觉的通用骨干网络。将Transformer从语言转化为视觉的挑战来自于两个领域之间的差异
163 0
|
机器学习/深度学习 TensorFlow 算法框架/工具
TensorFlow HOWTO 4.1 多层感知机(分类)
TensorFlow HOWTO 4.1 多层感知机(分类)
48 0
|
机器学习/深度学习 Ubuntu PyTorch
RoNIN: Robust Neural Inertial Navigation预训练模型测试
RoNIN: Robust Neural Inertial Navigation预训练模型测试
110 0
RoNIN: Robust Neural Inertial Navigation预训练模型测试
|
机器学习/深度学习 数据可视化 PyTorch
YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)
YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)
856 0
YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)
|
缓存 算法 PyTorch
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
1757 0
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
|
传感器 自动驾驶 算法
论文阅读:Object Classification Using CNN-Based Fusion of Vision and LIDAR in Autonomous Vehicle
论文阅读:Object Classification Using CNN-Based Fusion of Vision and LIDAR in Autonomous Vehicle
102 0
论文阅读:Object Classification Using CNN-Based Fusion of Vision and LIDAR in Autonomous Vehicle
|
机器学习/深度学习 存储 人工智能
【CS224n】(lecture9)Transformer的变体
【CS224n】(lecture9)Transformer的变体 Transformer 的架构已被证明能够支持具有足够参数的大规模训练数据集。许多工作表明,Transformer 具有比 CNN 和 RNN 更大的容量,因此具有处理大量训练数据的能力。当 Transformer 在足够的数据上进行训练时,它通常比 CNN 或 RNN 具有更好的性能。一个直观的解释是 Transformer 对数据结构的先验假设很少,因此比 CNN 和 RNN 更灵活。然而,理论原因尚不清楚,我们需要对 Transformer 能力进行一些 理论分析。
248 0
【CS224n】(lecture9)Transformer的变体

热门文章

最新文章