Android 系列 1.9引用库以实现外部

263 篇文章 2 订阅
164 篇文章 0 订阅
1.9引用库以实现外部功能


问题
您需要在源代码中引用外部库。

有几个解决方案:
•使用Maven或Gradle构建项目,只列出一个Maven或Gradle依赖项,并且构建工具将下载并验证它;
•依赖于模块(Studio)或图书馆项目;
•(最后手段)下载所需的库的JAR文件,并将其添加到项目中。
讨论
我们在这里描述了下载和将JAR文件包括到您的项目中的各种机制。我们不讨论在包括第三方JAR文件时对许可问题负责的责任;这是你和你的组织的法律部门之间。请确保了解并遵守您使用的JAR文件的许可要求!
列出依赖关系
很少有开发人员希望明确下载JAR文件,当Maven和Gradle等工具为你处理依赖关系管理时。要使用外部API,您只需找到正确的“坐标”并列出它们。 “坐标”由三部分组成:
•“groupId”,通常基于JAR开发人员的域名和项目名称,例如com.darwinsys,org.apache.commons;

•“工件名称”,它是开发人员特定项目的名称,例如“darwinsys-api”,“commons-logging”;

•版本号/字符串,例如1.0.1,1.2.3-SNAPSHOT,8.1.0-稳定。
这三个部分组合成一个这样的形式在Maven在build.xml:
<dependency>
<groupId> commons-logging </ groupId>
<artifactId> commons-logging-api </ artifactId>
<version> 1.1 </ version>
</ dependency>
对于Gradle,你在build.gradle中使用较短的形式:
compile'c​​ommons-logging:commons-logging-api:1.1'
这种较短形式的坐标经常用于文档中,即使在使用其他工具(如Maven!
如何查找特定API的此信息?如果你知道API的名称,你可以去常用的Maven Central网站,其网址是https://search.maven.org/。在搜索框中键入API名称(例如,commons-logging),从列表中选择匹配项,选择默认版本号(除非你知道你需要一个旧版本),选择你的构建工具,如果它不是Maven(Maven是默认的,因为Maven人建立了这个完整的,美妙的基础设施!),并将依赖项复制并粘贴到您的构建工具中。或者,您可以使用IDE明确添加依赖关系,使用Studio或使用Eclipse与M2E插件。
一旦依赖在您的构建文件中,只需构建您的项目!如果您需要的JAR尚未下载,构建工具将下载它并将其保存在私有存储库(例如,对于Maven,在$ USER_HOME / .m2 / repository),所以你永远不必再次下载它直到您可以更改要使用的版本号。
有关Apache maven的更多信息,请参见https://maven.apache.org/。有关Gradle的更多信息,请参见https://gradle.org/。 Gradle人是相当热心的宣传者关于他们的工具; Maven的人有点更放松。
请注意,在将来,当您开发一个可能对其他人有用并且愿意使其可用的API,并且有一个围绕它的社区或其他方式来了解它时,鼓励您回馈软件池;
请参见http://central.sonatype.org/以贡献您的JAR。
依赖于模块或项目
XXX Eclipse
XXX And​​roid Studio

手动下载Jar文件
假设您需要使用AndroidPlot,用于在应用程序中绘制图表和图形的库,或者OpenStreetMap,这是一个创建并提供免费地理数据和映射的Wiki项目。 如果是这样,您的应用程序需要引用这些库。
你可以在Eclipse中通过几个简单的步骤:
1.下载与您要使用的库对应的JAR文件。
2.在Eclipse中创建Android项目后,右键单击项目名称,然后在菜单中选择属性(图1-42)。
3.从左侧列表中选择Java Build Path,然后单击Libraries选项卡。
4.单击添加外部JAR按钮。
5.提供您下载要使用的库的JAR文件的位置。


图1-42。 选择项目属性
此时,您将在项目中看到一个Referenced Libraries目录。 将显示您添加的JAR(参见图1-43)。
另一种方法是在项目中创建一个lib文件夹,将JAR文件物理地复制到那里,并像以前一样单独添加它们,而是单击添加JAR按钮。 这将所有内容保存在一个位置(特别是如果您的项目通过版本控制系统与其他可能使用不同操作系统的用户共享,并且无法在同一位置找到外部JAR)。 参见图1-44。
在任一情况下,如果您还使用旧的Ant构建工具构建,请确保更新您的build.xml文件。
无论以什么方式做,它是很容易添加库到您的项目。



图1-43。 添加库


图1-44。 添加外部JAR文件

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