嫁给你有什么好 ? 要车没车,要房没房

项目开发中,有时候我们需要在ImageView(或者任意view)的左上角或者其他角显示一个勋章标记之类的贴片。

如果需要我们编写代码,有一定的工作量的。LabelView可以帮助我们轻松完成这个功能。

运行效果:


640?wx_fmt=png

使用说明:


1、添加依赖


1 dependencies {
2   compile 'com.github.linger1216:labelview:v1.1.2'
3  }



2、创建Label


LabelView继承自TextView,因此你可以将其当作TextView,使用TextView的任意方法。

1  LabelView label = new LabelView(this);
2  label.setText("POP");
3  label.setBackgroundColor(0xff03a9f4);
4  label.setTargetView(findViewById(R.id.text), 10, LabelView.Gravity.LEFT_TOP);

设置目标view

1    setTargetView(findViewById(R.id.text), 10, LabelView.Gravity.LEFT_TOP)

第二个参数申明了底部view边缘与LabelView之间的距离(dip为单位)

640?wx_fmt=png



删除LabelView


你还可以删除LabelView


label.remove();

BaseAdpter中使用LabelView


如果你要在BaseAdpter中使用LabelView,并且想重用convertView,必须手动为label添加id


1public View getItemView(int position, View convertView, ViewHolder holder{
2// you have to generate label ID manual
3LabelView label = holder.getView(12345);
4if (label == null) {
5    label = new LabelView(this);
6    label.setId(12345);
7    label.setBackgroundColor(0xffE91E63);
8    label.setTargetViewInBaseAdapter(imageView, 13810, LabelView.Gravity.LEFT_TOP);
9}
10label.setText(your data);
11return convertView;
12  }


setTargetViewInBaseAdapter 参数


第二个参数是targetView的宽度(单位dip)


项目地址: https://github.com/linger1216/labelview

作者:linger1216

感谢原作者的分享。

【END】



往期精选推荐



初探Android NDK编程


手把手教你开发自定义控件



640?wx_fmt=jpeg

更多精彩内容,长按二维码,识别关注


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