年底最后汇报一波玩Android进展

稳住,今天是周日。年底了,最后汇报一波wanandroid的进展。


距离上次:



已经3个月了,在这期间的工作之余,一直在迭代wanandroid.com的网站的功能,以及bug修复~


这个阶段我们尝试新增了一些功能:


  • 增加了网站对博客的支持

  • 新增了Easy Mock API工具

  • 搜索维度上除了标题外增加了:章节、作者;

  • 增加了导航栏目

  • 增加了项目栏目


1
对博客的支持


有了这个功能之后,我终于可以在自己网站上去编写博客了:



主要是支持通过markdown编写博客。


偶尔我也可以去更新一些短文:



总体还是提供不错的阅读体验,如果你登陆了,也可以点击右上角的爱心进行文章收藏。


2
Easy Mock API工具


很多时候,我们在开发时,和后端都是先定好协议数据,然后在后端没开发完成之前。都在本地写JSON文件模拟数据进行调试~


这个工具就是为了更好的提供一个网络数据供大家调试,相比本地数据的优势有:


  • 方便增加接口数据

  • 支持动态修改数据(方便测试错误、无数据返回、修改参数等)


效果图:



体验地址:

http://www.wanandroid.com/tools/mockapi


需要注意的是,因为涉及到更新与删除,所以每个用户间操作是隔离的,所以必须登录。


3
搜索增强


最初我们仅对文章标题按照关键词匹配度做了搜索功能,后来有小伙伴呼吁能搜索章节和作者,于是对搜索进行了增强:



上面的你可能在找即为章节匹配的结果。


对作者的搜索,即比如我搜索Glide会展示很多Glide相关文章,假设我只希望看郭神的Glide的文章,即可输入关键词:”郭霖 Glide”:



你也点击作者查看这个作者的相关文章列表。



4
增加了导航栏目


最初我们做了极客导航,不过目前极客导航的更新频率越来越低,我个人对其控制力也比较弱。所以我这里针对Android做了一个完全针对Android的导航,后期如果有机会,希望极客导航能做一个针对IT从业者的导航。


还发现之前AndroidCat安卓开发资源导航大全也无法访问了,挺可惜。


不做不知道,一做吓一跳,主分类为:


  • 我的收藏

  • 常用网站

  • 个人博客

  • 公司博客

  • 开发社区

  • 常用工具

  • 在线学习

  • 开放平台

  • 互联网资讯

  • 求职招聘

  • 应用加固

  • 三方支付

  • 推送平台

  • 三方分享

  • 地图平台

  • 直播SDK

  • IM即时通讯

  • Bug管理

  • 后端云

  • WebView内核

  • 创意&素材

  • 互联网统计

  • 快速开发


上面一堆第三方的东西,没想到android开发所涉及的东西的还是蛮多的。



包含了一些常用搜索引擎,以及公众号账号及文章搜索,整体体验还是不错的。


导航第一个栏目叫我的收藏:


未登录情况下是没有这个类目的,这里展示的是,你在自己的收藏页面收藏的链接:



这样你可以将自己常用的访问链接,保持在导航的顶部出现。


5
增加了项目栏目


谈到项目分类,最早期应该有23code这样的网站,而且其app在非常早期的时候(可能在3年多以前),就提供了可以在app中直接看到第三方项目安装后的效果(插件化)。


不过不知道为什么,最近其网站和app都无法正常使用了。


回到主题吧,本号会不定期推荐一些项目给大家,这些项目目前就会陆续的上传到网站上,展现形式:



这里也是和收藏打通的,大家可以点击收藏。


更重要的是,我们会提供站内下载链接,你可以点击上面的“点击安装”,即可下载apk,体验安装后的效果。这样会节省大家相当多的时间。


最后,要重点感谢下媳妇,这个网站主要开发者就是我和媳妇了,从上次更新到现在我做了一个简单的统计:


git log 
--author=zhanghongyang01
--since="2017-10-20"
--no-merges
| grep -e 'commit [a-zA-Z0-9]*' | wc -l


可以通过上述命令查看git提交次数。



在这期间,我做了178次提交,媳妇做了119次提交,总体来看工作量还是相当的,放弃了蛮多的休息时间,看样子我要做下表示了。


回顾第一天上线:


网站第一次上线,找了一群小伙伴内测,有人问我能坚持下来么?

我说:我这个人没什么特点,就是能坚持!所以该网站会像公众号一样持续的更新下去~


希望此网站能帮助到大家,域名[ 玩Android ]:


  • http://www.wanandroid.com/



如果你想要跟大家分享你的文章,欢迎投稿~

转自:https://mp.weixin.qq.com/s?__biz=MzAxMTI4MTkwNQ==&mid=2650824971&idx=1&sn=8b414abea7ece0e36c21f2c8dab56610&chksm=80b7b595b7c03c83cc9ccd4db7d68a06357d6948d1a603edf444a3eb0479de7f91dcaadbabbf&scene=38#wechat_redirect

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。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 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。
评论 1
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