项目整体回顾

项目介绍
这是一款新闻杂志类的APP,我们团队又在原有的基础上添加了新的功能,因此这款APP现在的功能现在可以说还是比较强大的,达到了一般展示类APP的水平,甚至有些地方都超过了他们
项目功能
具体的功能有:暴走杂志的页面内容展示;搜索功能;收藏功能;夜间模式;清除缓存功能;播放视频功能;设置功能;下拉刷新功能;登录注册功能;本地消息推送功能;分享功能
项目中的一些效果
项目中所涉及的效果有:抽屉效果,数据加载动画,轮播图
其他
此项目总所涉及的一些技术包括上面提到的还有:数据解析(主要是JS解析和第三方解析);数据的本地存取;
下面我就这所有功能的实现进行详细的讲解:
1.暴走杂志的页面内容展示
我一般搭建展示类的页面时通常喜欢用XB,storybord,也就是可视化。这个用起来我觉得特别方便
新建一个带有XB的ViewController->在XB上面托一个tableview加约束->设置代理,很简单我就不附图了
然后就是代码部分了
首先将数据解析,存放到数组中。通常做法是新建一个工具类,一般都是将这个工具类写成一个单例,将解析下来的数据放到这个工具类的数组中,哪里使用哪里只管调用就行了。代码如下所示
将工具类写成单例代码:
+(instancetype)sharTypemusic{
static scendColanmManager *datamanager = nil;
static dispatch_once_t onceToken;
dispatch_once(&onceToken, ^{
datamanager = [scendColanmManager new];
});
return datamanager;
}
JS数据解析:
-(void)addDatas:(NSString *)trackId{

dispatch_async(dispatch_get_global_queue(0, 0), ^{NSString *url = [kScendURL stringByAppendingString:trackId];
NSURLRequest *request = [NSURLRequest requestWithURL:[NSURL URLWithString:url]];

    NSURLSession *session = [NSURLSession sharedSession];
    NSURLSessionDataTask *task = [session dataTaskWithRequest:request completionHandler:^(NSData * _Nullable data, NSURLResponse * _Nullable response, NSError * _Nullable error) {

        NSDictionary *dict = [NSJSONSerialization JSONObjectWithData:data options:NSJSONReadingAllowFragments error:nil];

        self.array = [[NSMutableArray alloc] initWithCapacity:10];

        // NSDictionary *dic = [dict objectForKey:@"tracks"];

        for (NSDictionary *dd in [dict objectForKey:@"articles"]) {


            WZ_scendColanmu *popMusic = [WZ_scendColanmu new];
            [popMusic setValuesForKeysWithDictionary:dd];
            [self.array addObject:popMusic];

        }
      dispatch_async(dispatch_get_main_queue(), ^{          self.block();

        });
    }];

    [task resume];

});

}
上面都做完之后,数据部分就处理结束了,接下来就是放到tableview上展示了
首先是在viewDidLoad里加载页面
[firstColanmManager sharNextmusic].block = ^(){
[self.tableView reloadData];
};
然后在代理方法里
这里写图片描述
在这里还需自定义一个cell,默认的tableview的cell只有一行,因此需要自定义,自定义cell我通常都带一个XB

运行看效果

注:以上都是展示类的一个最基本的步骤

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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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