iOS学习(一)

1iOS界面与架构

创建一个单视图的工程,找到它的主函数,在主函数里面打上断点,逐步执行,可以查看它的执行过程。

模拟器没有传感器,没有内置GPS

加载视图过程中,一个应用程序启动以后,它首先会找到委托里面的applicationdidFinishLaunchingWithOptions,视图加载时会首先调用上述方法。

applicationdidFinishLaunchingWithOptionsUIwindow窗口相当于画框,UIViewController相当于画板,每一个UIViewController里的View相当于画布,View可以随便换。

applicationdidFinishLaunchingWithOptions执行实现的功能:首先创建一个窗口self.window

self.调用属性,_window调用的是成员。

成员和属性的关联:可以通过synthesize生成,@synthesize window = _window;释放之前有一个合成,即@synthesize window = _window;现在的Xcode可以将上述语句省去

然后创建一个根视图self.window.rootViewController = self.viewController;最后return YES

之后跳过断点执行的是applicationDidBecomeActive(UIApplication *)application方法

 

加载完成后,视图变得可操作,活跃的,此时窗口已经建立完成画布没有放上去。接下来执行applicationWillTerminate:(UIApplication *application方法,即线程将要中止的,例如玩游戏时有电话进来,此时游戏停止变为后台运行,因为电话短信在它的操作系统中级别是最高的。

还有两个方法applicationWillEnterForegrond:(UIApplication *application方法,回到前台;applicationDidEnterBackground(UIApplication  *)application方法,回到了后台以后。怎样回到后台,点home键或者手机的主菜单,则退到后台。

 

简单介绍创建视图工程的几个方法:

dealloc释放内存的方法,相当于C++里面的析构函数;因为重写一个方法的缘故,要写上super  dealloc,要写上父类的方法,先释放对象,再调用父类的dealloc方法。比如初始化方法,因为是NSObject里面的方法,它是所有的父类,此时你写的方法就等于重写。重写需要先调用父类的。

 

applicationdidFinishLaunchingWithOptions;加载视图,加载应用程序,它首先会执行这个方法。

启动程序

lifeCycle[40428:11303] willFinishLaunchingWithOptions

lifeCycle[40428:11303] didFinishLaunchingWithOptions

lifeCycle[40428:11303] applicationDidBecomeActive

 

按下home键

 

lifeCycle[40428:11303] applicationWillResignActive

lifeCycle[40428:11303] applicationDidEnterBackground

 

 

双击home键,再打开程序

 

lifeCycle[40428:11303] applicationWillEnterForeground

lifeCycle[40428:11303] applicationDidBecomeActive

 

 

如果不会使用断点,可以使用暴力调试,调用NSLog()函数,如下:NSLog(“%s”,__func__);输出当前方法名,(双下划线加上functionNSLog(“%s”,__FILE__);输出这个方法所在的文件名;NSLog(“%d”,__LINE__);输出当前的行数。

 

viewDidLoad功能:加载nib视图,进行初始化。

loadview;用代码实现Laber,弊端:如果没有使用nib文件,就用loadview作用较少,不常用。

 

<>和“”的区别:<>在系统里寻找需要的类,效率高,“”寻找自定义的类,效率较低。

 

@class 前向引用,告诉系统有这样一个类,稍后导入,一般写在.h文件中。

A调用BB又调用A是不正确的。不可相互导入,但可以用前向引用。

 

1Interface Builder简介:简称IB

用来构建图形界面,提供工具箱,包含常用界面元素,工具箱可扩展。

Nib文件:

界面配置文件,旧格式的.nib和新格式的.xib,苹果文档统一使用.nib

IB的组成部分:

Files  OwnerNib文件的拥有者,从磁盘加载nib文件

First  Responder:当前正在与之交互的对象,随着用户与界面的交互而变化

View(相框内的照片):显示用户界面,完成用户交互,是UIView类或其子类。

创建视图控制器:

步骤:

1)设计界面,从库中添加需要的控件

2)在代码中添加相应的IBOutlet变量和IBAction方法

3)连接控件到相应的变量

4)连接行为到相应的方法

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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