GoldenCheetah v3.7版本发布:运动数据分析工具的全面升级
GoldenCheetah是一款开源的自行车和铁人三项运动数据分析软件,专为运动员、教练和运动爱好者设计。它提供了强大的数据可视化和分析功能,支持从各种运动设备导入数据,并帮助用户深入了解训练效果和运动表现。
核心功能升级
用户界面改进
新版本引入了图形化的启动画面,显示版本信息和加载进度。主窗口现在支持从概览视图直接拖放操作,提升了用户体验。批量处理功能新增了元数据更新选项,使得数据处理更加全面。搜索/过滤框的下拉菜单图标得到改进,颜色主题问题得到修复。
图表功能增强
概览图表增强了拖放项目放置功能,并提供了预览功能。地图图表新增了比较模式,可配置灰度过滤器。性能图表现在支持使用Ctrl+鼠标滚轮进行缩放,以及鼠标滚轮点击拖动进行平移。趋势图表中的曲线新增了忽略零值选项,使数据展示更加清晰。
文件格式支持
新版本改进了对最新Garmin设备使用的FIT结构的支持,解决了无分段数据的问题。现在能够读写FIT文件中的XData开发者字段,确保导入的开发者数据在FIT导出时得到保留。GPX解析器现在支持ns3 TrackPointExtension名称,并在可用时使用速度数据。
训练功能优化
训练模式改进
训练模块底部工具栏采用了新的图标,更好地适应了浅色和深色主题。通过工具栏中的命名训练过滤器,改进了训练项目的选择方式。设备向导新增了蓝牙配对功能,macOS 12.x及以上版本支持BTLE连接。
训练编辑器增强
训练编辑器现在支持MRC风格的qwkcode(以CP百分比表示的功率)。可以从Strava下载路线作为训练计划,或通过查询API从TrainerDay(原ErgDB)下载训练计划。新增了针对坡度/距离训练的缩放海拔小部件和图表。
技术架构升级
Qt框架迁移
v3.7版本的一个重要技术改进是将基础代码迁移到Qt 6,同时保持对Qt 5的兼容性。这一变化为未来的功能开发奠定了基础,并提升了软件的稳定性和性能。升级后的Qwt版本为6.4(qwt-multiaxes分支),提供了更好的图表支持。
构建环境更新
Travis-ci构建环境升级到macOS 12.6和Qt5.15,Linux版本升级到Ubuntu 22.04。AppImage现在支持fuse3,提高了在Linux系统上的兼容性。Qt6视频支持已更新至最新的Qt 6.8.3版本,嵌入式WebEngine浏览器的改进修复了Garmin Connect和Strava等外部网站的登录问题。
数据管理与分析
功率区间优化
新版本引入了功率区间的半自动范围创建功能,简化了训练区间的设置过程。疲劳区间命名进行了统一调整,提高了使用的一致性。数据过滤器新增了isAero功能,帮助分析空气动力学表现。
游泳数据分析
游泳数据解析得到改进,能够正确识别和分类不同的泳姿(0-休息,1-自由泳,2-仰泳,3-蛙泳,4-蝶泳,5-训练,6-混合)。连续休息长度现在会合并为单个区间,并可以设置最小休息长度过滤。
云服务与同步
云数据库现在支持在服务器不可用时回退到本地缓存,提高了数据访问的可靠性。云服务同步对话框根据服务能力进行了适配,提供了更准确的同步选项。运动员级别的WebEngineProfile用于管理cookie和存储,在OAuth工作流程中被禁用,提高了安全性。
开发者功能
Python API新增了删除XData系列和XData的功能,为开发者提供了更灵活的数据管理能力。数据过滤器新增了xdataseries()、xdataunits()和xdatavalues()函数,增强了数据处理能力。
兼容性说明
需要注意的是,趋势图表中忽略零值的选项会使该版本保存的图表与之前版本不兼容。首次启动时,由于启用了步行配速指标,将触发完整的指标重新计算。Windows用户需要安装vc++ redistributable并重启后才能正常运行新版本。
GoldenCheetah v3.7版本通过全面的功能改进和技术升级,为运动数据分析提供了更强大、更稳定的工具,无论是业余爱好者还是专业运动员都能从中受益。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00