android IntentService 简要的说明


最近仔细的看了看IntentService 和Service的区别,这里主要说一下IntentService 。

1.Service 不用多说 大家都经常用的 但是IntentService可能不是经常用到,但是在特定的情况下IntentService用起来要比Service方便不少。

1.1例如,我们的程序里边有俩个耗时的操作,第一个耗时操作命名为first ,第二个耗时操作命名为second,执行逻辑是first执行完毕以后second才能执行,这个时候用IntentService就特别方便了。可能只这样说大家不太明白,上代码加解释大家就会很容易看懂。


package com.example.zxy.android60test.service;

import android.app.IntentService;
import android.content.Intent;
import android.os.IBinder;
import android.util.Log;

/**
 * Created by ZhangXueYang on 2016-8-29.
 * IntentService  1.启动以后 完成执行的任务 服务自动关闭,2.多任务的时候 会形成任务队列 会按顺序逐个去执行
 */
public class ServiceIntentDemo extends IntentService {


    /**
     * 必须实现方法的重构 而且不能有参数 否则Manifest 注册时会找不到该类
     */
    public ServiceIntentDemo() {
        super("test");
        Log.e("181", "test");
    }

    @Override
    protected void onHandleIntent(Intent intent) {//IntentSerivce核心回调方法 主要的代码逻辑都在这里
    
        //Intent是从Activity发过来的,携带识别参数,根据参数不同执行不同的任务
        
        String msg = intent.getStringExtra("msg");
        if (msg.equals("first")) {
            Log.e("181", "执行第 一 个任务");
        } else if (msg.equals("second")) {
            Log.e("181", "执行第 二 个任务");
        }

        try {
            Thread.sleep(2000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }


    }

    @Override
    public void onStart(Intent intent, int startId) {
       Log.e("181", "启动服务1");
        super.onStart(intent, startId);

    }

    @Override
    public int onStartCommand(Intent intent, int flags, int startId) {
        Log.e("181", "启动服务2");
        return super.onStartCommand(intent, flags, startId);

    }


    @Override
    public void onCreate() {
        super.onCreate();
        Log.e("181", "创建服务");
    }

    @Override
    public IBinder onBind(Intent intent) {
        return super.onBind(intent);
    }

    @Override
    public void onDestroy() {//当所有线程执行完毕,IntentService会自动关闭,不用我们子调取一次销毁方法,是不是很方便啊!
        Log.e("181", "销毁服务");
        super.onDestroy();
    }
}
package com.example.zxy.android60test;

import android.content.Intent;
import android.os.Bundle;
import android.support.v7.app.AppCompatActivity;
import android.util.Log;



/**
 * Created by ZhangXueYang on 2016-8-11.
 */
public class AAAA extends AppCompatActivity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        //可以启动多次,每启动一次,就会新建一个work thread,但IntentService的实例始终只有一个
        //启动第一个耗时服务
        Intent intentf = new Intent("com.test.intentservice");
        intentf.putExtra("msg", "first");
        startService(intentf);
        //启动第二个耗时服务
        Intent intents = new Intent("com.test.intentservice");
        intents.putExtra("msg", "second");
        startService(intents);
    }
}最后别忘了在Manifest注册IntentionService

   
   
            
    
    
                
     
     
            
    
    

   
   

下面是运行截图,由截图可以看出虽然我们调用了俩次startService 但是IntentService 只创建了一个实例,而且执行完毕work队列以后自动销毁了IntentService.



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