Android 数据存储

    数据存储是每个项目必备技能,在Android中,可供选择的存储方式有SharedPreferences、文件存储、SQLite数据库方式、内容提供者(Content provider)和网络。对于内容提供者使用方面比较少,因此这里就不做介绍了,下面介绍其它四个比较常用的存储方式。

haredPreferences是Android中最容易理解的数据存储技术,实际上SharedPreferences处理的就是一个key-value(键值对)SharedPreferences常用来存储一些轻量级的数据。

1、使用SharedPreferences保存数据方法如下:
     //实例化SharedPreferences对象(第一步)
     SharedPreferences mySharedPreferences= getSharedPreferences("test",
     Activity.MODE_PRIVATE);
     //实例化SharedPreferences.Editor对象(第二步)
     SharedPreferences.Editor editor = mySharedPreferences.edit();
     //用putString的方法保存数据
     editor.putString("name", "Karl");
     editor.putString("habit", "sleep");
     //提交当前数据
     editor.commit();

2、使用SharedPreferences读取数据方法如下:
     //同样,在读取SharedPreferences数据前要实例化出一个SharedPreferences对象
     SharedPreferencessharedPreferences= getSharedPreferences("test",
     Activity.MODE_PRIVATE);
     // 使用getString方法获得value,注意第2个参数是value的默认值
     String name =sharedPreferences.getString("name", "");
     String habit =sharedPreferences.getString("habit", "");

文件存储:

Android中可以在设备本身的存储设备或外接的存储设备中创建用于保存数据的文件。在默认状态下,文件是不能在不同程序间共享的。当用户卸载您的应用程序时,这些文件删除。文件存储数据可以通过openFileOutput方法打开一个文件(如果这个)文件不存在就自动创建这个文件),通过load方法来获取文件中的数据,通过deleteFile方法删除一个指定的文件。

File是通过FileInputStream和FileOutputStream对文件进行操作。
Context提供了如下两个方法来打开本应用程序的数据文件将爱丽的文件IO流。
FileInputStream openFileInput(String name):
打开应用程序的数据文件夹下的name文件对应输入流。
FileOutputStream openFileOutput(String name,int mode):
打开应用程序的数据文件夹下的name文件对应输出流。
参数:mode  指定打开文件的模式,该模式支持如下值:
  MODE_PRIVATE :该文件只能被当前程序读写。
  MODE_APPEND:以追加方式打开该文件,应用程序可以向该文件中追加内容。
  MODE_WORLD_READABLE:该文件的内容可以被其他应用程序读取。
  MODE_WORLD_WRITEABLE:该文件的内容可由其他程序读、写。

 

//读取的内容会随着文件的改变而改变
                try {
                    //读取的是字节流
                    InputStream is=getResources().getAssets().open("info.txt");
                    //UTF-8编码的指定是很重要的
                    InputStreamReader isr=new InputStreamReader(is,"UTF-8");
                    BufferedReader bfr=new BufferedReader(isr);
                    String in="";
                    while((in=bfr.readLine())!=null)
                    {
                        Log.i(TAG, in);
                    }
//                    Log.i(TAG, bfr.readLine());
                } catch (IOException e) {
                    e.printStackTrace();
                }
try {
                    //将文件数据写到应用的内部存储
                    /*
                     * 注意:获取流的方式通过openFileInput函数,指定文件名以及后缀
                     * 参数1.文件名和后缀        2.文件模式
                     * 保存在手机data/data/包名/files
                     * */
                    FileOutputStream fos=openFileOutput(fileName, Context.MODE_PRIVATE);
                    OutputStreamWriter osw=new OutputStreamWriter(fos,"UTF-8");
                    osw.write(et.getText().toString());
                    //保证输出缓冲区中的所有内容
                    osw.flush();
                    fos.flush();
                    //后打开的先关闭,逐层向内关闭
                    fos.close();
                    osw.close();
                    Toast.makeText(MainActivity.this, "写入完成", Toast.LENGTH_LONG).show();
                } catch (FileNotFoundException e) {
 
                    e.printStackTrace();
                } catch (UnsupportedEncodingException e) {
 
                    e.printStackTrace();
                } catch (IOException e) {
 
                    e.printStackTrace();
                }


数据库:

 

Android 在运行时(run-time)集成了 SQLite,所以每个 Android 应用程序都可以使用 SQLite 数据库。对于熟悉 SQL 的开发人员来时,在 Android 开发中使用 SQLite 相当简单。但是,由于 JDBC 会消耗太多的系统资源,所以 JDBC 对于手机这种内存受限设备来说并不合适。因此,Android 提供了一些新的 API 来使用 SQLite 数据库,Android 开发中,程序员需要学使用这些 API。

 

public class DatabaseHelper extends SQLiteOpenHelper {     
  DatabaseHelper(Context context, String name, CursorFactory cursorFactory, int version) 
  {     
    super(context, name, cursorFactory, version);     
     }     
     
     @Override    
     public void onCreate(SQLiteDatabase db) {     
         // TODO 创建数据库后,对数据库的操作     
     }     
     
     @Override    
 public void onUpgrade(SQLiteDatabase db, int oldVersion, int newVersion) {     
         // TODO 更改数据库版本的操作     
     }     
     
 @Override    
 public void onOpen(SQLiteDatabase db) {     
         super.onOpen(db);       
         // TODO 每次成功打开数据库后首先被执行     
     }     
 }  


网络:

 

可以使用网络来保存数据,在需要的时候从网络上获取数据,进而显示在App中。用网络保存数据的方法有很多种,对于不同的网络数据采用不同的上传与获取方法。简单说也就是自己项目中网络请求时所做的事情,进行数据上传,数据获取然后解析,这里推荐一下我的Json数据解析

http://blog.csdn.net/greatdaocaoren/article/details/73826711

 

其实在实际项目中,根据自己的需要自己的目标而制定自己的数据存储方式,这里只是简单介绍一下,具体还是得根据项目来,下面给出demo,不懂的可以下载运行和查看代码:

http://download.csdn.net/detail/greatdaocaoren/9913670

 

 

 

 

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