ListView多条目展示 请求网络数据 和图片

public class MainActivity extends AppCompatActivity {

    private ListView lv;
    private List<Da.DataBean> list;


    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        // 找控件
        lv = (ListView) findViewById(R.id.lv);
        list = new ArrayList<Da.DataBean>();
        // 初始化数据
        initData();

    }

    private void initData() {

        new AsyncTask<String,Integer,String>(){
            @Override
            protected void onPostExecute(String s) {
                // 设置适配器
                MyAdapter adapter = new MyAdapter();
                lv.setAdapter(adapter);

                super.onPostExecute(s);
            }

            @Override
            protected String doInBackground(String... strings) {

                getData();

                // ImageLoader
                ImageLoaderConfiguration configuration = ImageLoaderConfiguration.createDefault(MainActivity.this);
                ImageLoader.getInstance().init(configuration);

                return null;

            }
        }.execute();

    }

    private void getData() {

        try {
            // 请求网络数据
            URL url = new URL("http://");
            HttpURLConnection conn = (HttpURLConnection) url.openConnection();
            conn.setRequestMethod("GET");
            int code = conn.getResponseCode();
            if(code == 200){

                Gson gson = new Gson();
                Da da = gson.fromJson(new InputStreamReader(conn.getInputStream(),"GBK"),Da.class);
                list = da.getData();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }

    }

    // 优化适配器
    class MyAdapter extends BaseAdapter{

        public static final int TYPE_ONE = 1;
        public static final int TYPE_TWO = 2;
        public static final int TYPE_THREE = 3;


        // 在使用多条目加载的时候    返回当前position对应的类型
        // ************必须满足的条件   getItemViewType的返回值  必须要小于getViewTypeCount的返回值
        @Override
        public int getItemViewType(int position) {

            if(list.get(position).getType() == 10001){
                return TYPE_ONE;
            }else if(list.get(position).getType() == 10002){
                return TYPE_TWO;
            }else{
                return  TYPE_THREE;
            }
        }

        // 使用多条目加载时   一共有几种类型
        // 从写该方法后,listview控件会知道  当前的布局样式不止一种
        // 所以 当ListView发现convertview在复用时  类型匹配不上时  会重新让convertView加载一遍布局
        @Override
        public int getViewTypeCount() {
            return 5;
        }

        @Override
        public int getCount() {
            return list.size();
        }

        @Override
        public Object getItem(int position) {
            return list.get(position);
        }

        @Override
        public long getItemId(int position) {
            return position;
        }

        @Override
        public View getView(int position, View view, ViewGroup viewGroup) {

            ViewHolder1 holder1 = null;
            ViewHolder2 holder2 = null;
            ViewHolder3 holder3 = null;

            int type = getItemViewType(position);

            if(view == null){

                if(type == TYPE_ONE) {
                    view = View.inflate(MainActivity.this, R.layout.item1, null);
                    holder1 = new ViewHolder1();
                    holder1.news_id1 = view.findViewById(R.id.tv1_id);
                    holder1.news_title1 = view.findViewById(R.id.tv1_title);
                    holder1.news_summary1 = view.findViewById(R.id.tv1_summary);
                    holder1.pic_url1 = view.findViewById(R.id.iv1);

                    view.setTag(holder1);
                }else if(type == TYPE_TWO){
                    view = View.inflate(MainActivity.this, R.layout.item2, null);
                    holder2 = new ViewHolder2();
                    holder2.news_id2 = view.findViewById(R.id.tv2_id);
                    holder2.news_title2 = view.findViewById(R.id.tv2_title);
                    holder2.news_summary2 = view.findViewById(R.id.tv2_summary);
                    holder2.pic_url2 = view.findViewById(R.id.iv2);
                    view.setTag(holder2);
                }else{
                    view = View.inflate(MainActivity.this, R.layout.item3, null);
                    holder3 = new ViewHolder3();
                    holder3.news_id3 = view.findViewById(R.id.tv3_id);
                    holder3.news_title3 = view.findViewById(R.id.tv3_title);
                    holder3.news_summary3 = view.findViewById(R.id.tv3_summary);
                    holder3.pic_url3 = view.findViewById(R.id.iv3);
                    view.setTag(holder3);
                }
            }else{
                if(type == TYPE_ONE){
                    holder1 = (ViewHolder1) view.getTag();
                }else if(type == TYPE_TWO){
                    holder2 = (ViewHolder2) view.getTag();
                }else{
                    holder3 = (ViewHolder3) view.getTag();
                }
            }

            // 根据不同的情况  把进行赋值
            if(type == TYPE_ONE) {
                holder1.news_id1.setText(list.get(position).getNews_id());
                holder1.news_title1.setText(list.get(position).getNews_title());
                holder1.news_summary1.setText(list.get(position).getNews_summary());
                ImageLoader.getInstance().displayImage(list.get(position).getPic_url(),holder1.pic_url1);

            }else if(type == TYPE_TWO){
                holder2.news_id2.setText(list.get(position).getNews_id());
                holder2.news_title2.setText(list.get(position).getNews_title());
                holder2.news_summary2.setText(list.get(position).getNews_summary());
                ImageLoader.getInstance().displayImage(list.get(position).getPic_url(),holder2.pic_url2);
            }else{
                holder3.news_id3.setText(list.get(position).getNews_id());
                holder3.news_title3.setText(list.get(position).getNews_title());
                holder3.news_summary3.setText(list.get(position).getNews_summary());
                ImageLoader.getInstance().displayImage(list.get(position).getPic_url(),holder3.pic_url3);
            }

            return view;
        }
    }


    public static class ViewHolder1{

        TextView news_id1,news_title1,news_summary1;
        ImageView pic_url1;
    }

    public static class ViewHolder2{

        TextView news_id2,news_title2,news_summary2;
        ImageView pic_url2;
    }

    public static class ViewHolder3{

        TextView news_id3,news_title3,news_summary3;
        ImageView pic_url3;
    }
}
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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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