从Picasso到Glide

听说功能比Picasso更为强大,那么来试用一下,顺便记录一下使用心得,版本3.7.0

O(∩_∩)O

普通用法

 Glide.with(context)
                .load(String url)               
                .into(ImageView imageview);

缓存策略

.diskCacheStrategy(DiskCacheStrategy.ALL)

四个枚举:

ALL:缓存源资源和转换后的资源

NONE:不作任何磁盘缓存

SOURCE:缓存源资源

RESULT:缓存转换后的资源(默认)

Glide 支持了对Gif的支持

可以手动转成静态图片

.asBitmap()

动画效果

Picasso 默认有个淡入动画,可以选择关闭

.noFade()

在Glide中则是

crossFade(int duration) 默认0f-1f的渐变动画,可设置时长,默认300ms
crossFade(int animationId, int duration) 可设置自定义的显示动画

另外还有个动画方法

.animate(ViewPropertyAnimation.Animator animator)
.animate(int animationId)

甚至可以支持自定义属性动画,虽然比起Picasso方法数目变多了不少,但是应对各式各样的需求,Glide明显给人一种眼前一亮的感觉啊有木有!

优先级

和Picasso差不多

.priority(Priority.NORMAL)

public enum Priority {
IMMEDIATE,
HIGH,
NORMAL,
LOW, priority,
}
其中,在用Glide加载缩略图的时候优先级会在当前的级别加一级

缩略图

在需要加载的图片还未显示出来,Glide支持显示一张缩率后的图片作为显示

 .thumbnail(0.1f) //缩放至原图像素10%的缩略图

配置

说了那么多,当我们需要契合业务需求的时候,如何修改Glide 的默认配置呢
Picasso的做法:

  Picasso.setSingletonInstance(
                new Picasso.Builder(context)
                //todo修改默认配置
                .build());

Glide的做法
从源码看到通常的设置builder方法将被弃用

/**
* Creates the {@link Glide} singleton using the given builder. Can be used to set options like cache sizes and
* locations.
*
* @see #isSetup()
*
* @deprecated Use {@link com.bumptech.glide.module.GlideModule} instead. Scheduled to be removed in Glide 4.0.
* @param builder The builder.
* @throws IllegalArgumentException if the Glide singleton has already been created.
*/
@Deprecated
public static void setup(GlideBuilder builder) {
if (isSetup()) {
throw new IllegalArgumentException(“Glide is already setup, check with isSetup() first”);
}
glide = builder.createGlide();
}

从注释看到推荐使用另一种方式,新建一个类实现GlideModule接口,在方法applyOptions中返回了一个builder 对象,只要对这个builder操作就OK了,可以配置内存缓存,磁盘缓存和bitmap池等等信息,然后将这个信息配置到AndroidManifest.xml中,Glide会解析所有的meta数据。

 <meta-data
            android:name="com.tk.test.MyGlideModule"//实现类全名
            android:value="GlideModule" />

这里的配置是全局配置,若果我们需要根据个别情况加载不同的配置怎么办?别担心,Google已经替我们想好了O(∩_∩)O

 Glide.with(Context context)
                .using()

在using里面可以传入符合自己需求的Model实现类,笔者还未碰到应用场景,这里就暂时不分析了╮(╯▽╰)╭

值得一提的是Glide支持配置网络请求方式

OkHttp

dependencies {
    compile 'com.github.bumptech.glide:okhttp3-integration:1.4.0@aar'
    //@aar AndroidManifest.xml也包含了,无须再手动写了
}

不用okhttp 3的话

 dependencies {
    compile 'com.github.bumptech.glide:okhttp-integration:1.4.0@aar'
    //@aar AndroidManifest.xml也包含了,无须再手动写了
}

OkHttpGlideModule 的源码

public class OkHttpGlideModule implements GlideModule {
    @Override
    public void applyOptions(Context context, GlideBuilder builder) {
        // Do nothing.
    }

    @Override
    public void registerComponents(Context context, Glide glide) {
        glide.register(GlideUrl.class, InputStream.class, new OkHttpUrlLoader.Factory());
    }
}

Volley

同理,笔者没用过Volley,这里就不贴最新的地址了

Extra

Glide还有一些其他的功能,比如我们要下载一张图片,但是不应用在ImageView中,这个时候有什么解决方案呢?
在Picasso中有Target的支持,接口封装了3个方法,这里就不解释了

  void onBitmapLoaded(Bitmap bitmap, LoadedFrom from);

  void onBitmapFailed(Drawable errorDrawable);

  void onPrepareLoad(Drawable placeHolderDrawable);

我们来看下Glide 的实现,这里就贴了一个默认的封装实现类ViewTarget

new ViewTarget<TextView, GlideDrawable>(textview) {
                    @Override
                    public void onResourceReady(GlideDrawable resource, GlideAnimation<? super GlideDrawable> glideAnimation) {
                        this.view.setBackgroundDrawable(resource.getCurrent());
                    }
                }

Target还有其他的实现类,比如NotificationTarget通知栏图标,这里就不一一描述了

在调用.load方法也有相关的重载

.load(String string)   可以为一个文件路径、uri或者url 
.load(Uri uri) uri类型 
.load(File file) 文件 
.load(Integer resourceId) 资源Id,R.drawable.xxx或者R.mipmap.xxx 
.load(byte[] model) byte[]类型 
.load(T model)  自定义类型 

点击这里查看更多Glide的高级用法

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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