深入理解Android(2)——理解Android中的JNI(中)

在上一篇中我们了解了Android中有关JNI的使用,其实JNI是很早就有的,不是在Android创造的新技术,是SUN为我们提供的一种Java和本地代码之间相互调用的方法,这一篇我们来建立一个普通的Java工程来具体看一下Java中如何调用C/C++代码。

一、新建一个普通Java工程

  1. package com.csdn.test;  
  2.   
  3. /** 
  4.  * 阳光小强 http://blog.csdn.net/dawanganban 
  5.  * @author lixiaoqiang 
  6.  * 
  7.  */  
  8. public class TestJNI {  
  9.       
  10.     public native void saveHello();  
  11.   
  12.     public static void main(String[] args) {  
  13.         TestJNI jni = new TestJNI();  
  14.         jni.saveHello();  
  15.     }  
  16. }  
在TestJNI中我们声明了一个native方法。

二、生成C/C++头文件

SUN的JDK中已经为我们提供了一个生成对应C/C++头文件的工具(javah)

  1. lixiaoqiangdeMac-mini:bin lixiaoqiang$ whereis javah  
  2. /usr/bin/javah  
  3. lixiaoqiangdeMac-mini:bin lixiaoqiang$   
说明:我这里用的是max os系统,如果你是windows系统,在jdk目录下寻找。

找到我们工程文件所在的目录,执行javah命令如下:

  1. lixiaoqiangdeMac-mini:bin lixiaoqiang$ pwd  
  2. /Users/lixiaoqiang/Documents/AndroidWorkspace/TestJNI/bin  
  3. lixiaoqiangdeMac-mini:bin lixiaoqiang$ javah com.csdn.test.TestJNI  
  4. lixiaoqiangdeMac-mini:bin lixiaoqiang$ ls   
  5. com         com_csdn_test_TestJNI.h  
  6. lixiaoqiangdeMac-mini:bin lixiaoqiang$   
可以看到为我们生成了一个com_csdn_test_TestJNI.h的头文件

  1. /* DO NOT EDIT THIS FILE - it is machine generated */  
  2. #include <jni.h>  
  3. /* Header for class com_csdn_test_TestJNI */  
  4.   
  5. #ifndef _Included_com_csdn_test_TestJNI  
  6. #define _Included_com_csdn_test_TestJNI  
  7. #ifdef __cplusplus  
  8. extern "C" {  
  9. #endif  
  10. /* 
  11.  * Class:     com_csdn_test_TestJNI 
  12.  * Method:    saveHello 
  13.  * Signature: ()V 
  14.  */  
  15. JNIEXPORT void JNICALL Java_com_csdn_test_TestJNI_saveHello  
  16.   (JNIEnv *, jobject);  
  17.   
  18. #ifdef __cplusplus  
  19. }  
  20. #endif  
  21. #endif  

三、生成动态库文件

下面我们打开C/C++编辑器(我这里使用的时Xcode,在Windows平台上的朋友可以使用VisualStudio)

main.cpp中我们输出一行文字,如下:

  1. #include "com_csdn_test_TestJNI.h"  
  2. #include <iostream>  
  3. using namespace std;  
  4.   
  5. JNIEXPORT void JNICALL Java_com_csdn_test_TestJNI_saveHello(JNIEnv * evn, jobject obj){  
  6.     cout << "hello world" << endl;  
  7. }  
在编译的过程中会发现找不到jni.h和jni_md.h文件,这两个文件可以在JDK的include目录下找到,拷贝到工程中,下面将上面的工程导出动态链接库。

在导出链接库(编译)的时候在MacOS下和在Linux, Windows有所不同, 不是编译成.so或者dll, 而是MacOS自己的jnilib. 并且jni.h的目录也比较特殊, 是/System/Library/Frameworks/JavaVM.framework/Headers/, 这个需要稍微注意一下, 具体的命令如下:

  1. lixiaoqiangdeMac-mini:TestJNI lixiaoqiang$ g++ -dynamiclib -o libhelloworld.jnilib main.cpp -framework JavaVM -I/System/Library/Frameworks/JavaVM.framework/Headers  
  2. lixiaoqiangdeMac-mini:TestJNI lixiaoqiang$ ls  
  3. com_csdn_test_TestJNI.h jni_md.h        main.cpp  
  4. jni.h           libhelloworld.jnilib  
  5. lixiaoqiangdeMac-mini:TestJNI lixiaoqiang$   
可以看到在该目录生成了一个libhelloworld.jnilib文件,我们将该文件拷贝到我们Java工程的bin目录下(windows下是classes目录)

向Java工程中添加加装动态库的代码(下面的static语句块中的System.loadLibrary方法)

  1. package com.csdn.test;  
  2.   
  3. /** 
  4.  * 阳光小强 http://blog.csdn.net/dawanganban 
  5.  * @author lixiaoqiang 
  6.  * 
  7.  */  
  8. public class TestJNI {  
  9.       
  10.     public native void saveHello();  
  11.   
  12.     public static void main(String[] args) {  
  13.         TestJNI jni = new TestJNI();  
  14.         jni.saveHello();  
  15.     }  
  16.       
  17.     static{  
  18.         System.loadLibrary("helloworld");  
  19.     }  
  20. }  
最后将该库文件添加到Java程序可以访问的环境变量中就可以运行输出“helloworld"了。

下一篇文章我们将来看一下如何在C/C++中调用Java中的方法

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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、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。
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