iOS培训日记——归档

2015年12月20日


#import "Person.h"

#define path @"/users/wayh/desktop"//目录名不区分大小写

int main(int argc, const char * argv[]) {
    @autoreleasepool {
        NSDictionary * dic = [[NSDictionary alloc] initWithObjectsAndKeys: @"One", @"1", @"Two", @"2", @"Three", @"3", nil];//初始化字典
        [dic writeToFile:[NSString stringWithFormat:@"%@/dic.plist",path] atomically:YES];//返回值为BOOL;如果目录不存在则创建不成功
        
        NSDictionary * dic2 = [NSDictionary dictionaryWithContentsOfFile:[NSString stringWithFormat: @"%@/dic.plist", path]];//ContentsOfFlie 通过文件的绝对路径拿到该文件的内容,并转换成对应的数据结构;如果路径正确则返回内容,否则返回null
        
        NSString *rootPath = NSHomeDirectory();//获取当前app(在手机中)的根目录
        NSFileManager *manager = [NSFileManager defaultManager];
        [manager contentsOfDirectoryAtPath:rootPath error:nil];//读取rootPath目录下文件和文件夹
        
        NSDictionary * dic3 = [NSDictionary dictionaryWithContentsOfFile:[NSString stringWithFormat: @"/guidang/dic.plist"]];
        
        NSString * route = NSSearchPathForDirectoriesInDomains(NSDesktopDirectory, NSUserDomainMask, YES)[0];//取得沙盒中的目录集合;参数1:目录,参数2:用户的使用规格,参数3:YES;并取集合的第1项得到对应目录
        //???第2项以后又是什么?
        
        Person * person1 = [[Person alloc]init];
        person1.name = @"Jason";
        person1.age  = 28;
        
#pragma mark 自定义方法归档解档
        //归档管理者
        NSData * data = [NSKeyedArchiver archivedDataWithRootObject: person1];//将对象压缩成二进制数据
        [data writeToFile:[NSString stringWithFormat:@"%@/dic.zip",path] atomically:YES];//写入文件
        //解档管理者
        NSData * uData = [NSData dataWithContentsOfFile:[NSString stringWithFormat:@"%@/dic.zip",path]];//获取文件内容
        Person * p = [NSKeyedUnarchiver unarchiveObjectWithData:uData];//将数据解压成对象,用原数据类型来接

#pragma mark 系统自带库归档解档
        NSUserDefaults * ud = [NSUserDefaults standardUserDefaults];//系统自带的小型数据库,使用自定义类时需要引用<NSCoding>及方法
        [ud setObject:data forKey:@"personData"];//存入数据,并指定键值
        [ud synchronize];//同步更新
        
        NSData * gData = [[NSUserDefaults standardUserDefaults] objectForKey:@"personData"];//对应键值获取文件内容
        Person * pp = [NSKeyedUnarchiver unarchiveObjectWithData:gData];
    }
    return 0;
}


模型:

@interface Person : NSObject <NSCoding>//遵循NScodiing的协议,并要遵循协议都方法

@property (nonatomic , copy) NSString *name;
@property (nonatomic , assign) NSInteger age;

@end

@implementation Person

//以下两种方法均为NSCoding协议方法
- (void) encodeWithCoder : (NSCoder *) aCoder//对自定义类进行归档
{
    [aCoder encodeObject:self.name forKey:@"name"];
    [aCoder encodeInteger:self.age forKey:@"age"];
}
- (id) initWithCoder : (NSCoder *) aDecoder//对自定义类进行解档
{
    if (self = [super init])
    {
        self.name = [aDecoder decodeObjectForKey:@"name"];
        self.age = [aDecoder decodeIntegerForKey:@"age"];
    }
    return self;
}

@end



【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,请切勿用于商业用途。 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,请切勿用于商业用途。 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,请切勿用于商业用途。 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,请切勿用于商业用途。 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,请切勿用于商业用途。 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,请切勿用于商业用途。 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。
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