在windows下搭建React Native开发环境之--翻车记

react native环境搭建并不难,就是烦琐,坑也多。我只想说环境搭建我用了两天快哭了,都是我电脑太垃圾了,最后还重装系统微笑,环境需要配置的东西太多。

首先来说下具体需要配置哪些软件:

1)jdk安装----以及环境配置(最好是1.8以上

2)sdk安装(安装Android studio就可以了(好像大概可能要安装23.0.1的sdk尴尬))---以及环境配置

3)git安装---环境配置,默认安装路径不需要配置

4)node安装---环境配置(配置淘宝镜像)

5)python安装---环境配置

6)yarn安装---环境配置

以上就是在使用react-native环境之前需要配置的基础环境,不要急一个一个慢慢装。具体的地址和环境变量配置,这里就不多说了,随便一搜都有很多,安装完之后到cmd窗口中version一下 看看是不是能够正常使用。

主要讲一下rn环境配置:

1.安装node

node.js轻量级的Web服务器,想要是React Native跑起来需要安装node

下载地址:https://nodejs.org/en/

而且最好配以下淘宝镜像如果不翻墙的话,淘宝镜像就是国外的网站我们国内访问的非常非常慢,然后淘宝翻墙之后在自己服务器上实时同步一些数据给我们国内网站访问。

下载安装好之后可以使用node -v命令查看是否安装成功


关于淘宝镜像配置:

如图在对于的node下增加一个  ".npmrc"文件



文件内容:



phantomjs_cdnurl=http://cnpmjs.org/downloads
sass_binary_site=https://npm.taobao.org/mirrors/node-sass/
registry=https://registry.npm.taobao.org

2.安装git

安装git为我们同步rn项目的时候使用,下载地址:https://git-for-windows.github.io/ 安装完之后配置一下环境变量。




一直下一步下一步即可。。。。。

3.安装yarn

yarn是一个可以同步全球代码的一个软件,只要安装上我们在同步 rn project 时候就非常简单,直接在cmd窗口就能直接同步项目。。

下载地址:https://yarnpkg.com/zh-Hans/

直接安装就行没什么特别的。。。

4.安装 react-native的 cli

我刚开始看了很多博客上都说:git安装完之后就去 git clone https://github.com/facebook/react-native.git但是我们在cmd或者git窗口

运行,同步项目,非常慢,最后同步不下来项目,,就报错误提示




一直同步不了项目,,也许是我的方式不对,或者要翻墙。。

所以我采用了不同的方式

最简单的方式运行命令:

npm install -g react-native-cli   官网命令

之后我们就可以使用 react-native 的命令来工作了。。。

5.创建 rn 项目

以上基本我们的环境算是配好了,,接下来就是要创建我们的rn项目了,在一个单独的文件夹下打开我们的当前路径下的窗口运行创建项目命令:

react-native init AwesomeProject

项目创建完成之后,进入项目的根目录,运行项目,命令:

react-native run-android

这个时候回弹出两个窗口,一个是node服务器,一个是我们安装apk的进度。。


以上任何一个过程都有可能出现错误,这个时候要根据错误提示,具体做出解决方案,,,一般错误,sdk找不到啦,找不到手机啦,等等。


遇到的错误:

1.手机连接不上电脑usb

我想说为了这个原因我从装了系统大哭,有个端口一直被占用5037这个端口,,一直在排查为什么连接不上,是哪个进程占用了这个端口,,对应的 pid 找不到试了很多方法最后把能解决问题的方案写下:

解决方案:

1.在电脑上安装一个360手机管家,其实有时候我们连接不上的端口,第三方软件还是有作用的,哈哈大笑

发现还是连不上。。。。。。。。。。下面。。。。

2.先cmd打开窗口:adb kill-server

                                    adb start-server

3.继续尝试 :adb devices 看看能不能连接。。


2.运行项目找不到sdk:

把项目导入到,Android studio 中自动回吧你的sdk给你修改到,对应的目录索引下。。。。。。。。。


windows下安装环境就到这里了,接下来就要开始搞事情了。。。。。。。。


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,因为它们具有忆功能,能够捕捉数据中的时间依赖性。 5. **长短期忆网络(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

打赏作者

WangRain1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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