Android-2活动生命周期

活动生命周期

活动是可以叠加的,其结构像是一个栈结构
back 或finish销毁一个活动的时候
将最上次的活动移除

活动的状态

运行状态:活动处于栈顶
暂停状态:活动不在栈顶的时候,但仍然可见
停止状态:不在栈顶,完全不可见,系统仍然保留相应的状态和成员变量
销毁状态:从栈中移除后

生命周期方法

onCreate 第一创建的时候调用,完成活动的初始化工作
onStart 不可见变为可见时调用
onResume 准备好和用户交互时调用,活动一定位于栈顶,且处于运行状态
onPause 系统启动或者恢复另一个活动时候调用,通常在这里释放消耗cpu的资源,
保存关键数据,执行速度会影响新的栈顶活动
onStop 活动不可见时调用
如果启动是一个对话框式的活动,不会调用调用该方法, 会调用onPause方法
onDestory 销毁之前调用
onRestart 停止变为运行时执行
这里写图片描述

onSaveInstanceState 活动收回之前一定会调用

活动的启动模式

android:launchMode ="" //来制定启动的模式

standard
活动默认启动模式
每次启动一个活动,就会将这个活动入栈,每次启动都会创建一个新的实例
这里写图片描述

singleTop
活动位于栈顶的时候不会创建新的实例,类似单例设计模式吧

singleTask
启动活动时,会先检查该活动是否存在于栈

singleInstance
启动一个新的返回栈来管理这个活动,用来共享该活动的实例

这里写图片描述

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