Androidstudio工具下的JNI开发环境搭建

前言

找了那么多JNI的资料,无奈都是关于eclipseJNI环境的搭建,而现在又绝大多数人都用的是androidstudio在进行开发,遂开始钻研AndroidStudio环境下JNI开发的环境搭建,权当做个笔记,以防自己以后遗忘。

环境配置

在开发JNI之前,首先要进行环境配置,如果你之前没有下载过ndk,那么你的ndk的路径应该是空的。配置照做就可以了。

这里写图片描述

下载完成后,将你的ndk目录加入到环境变量中去。

正题

  • 首先新建一个项目,命名为JNIDemo,在MainActivity内声明一个本地方法。如下图所示。

这里写图片描述

    /**
     * 声明本地方法
     */
    private native String helloFromC();
  • 由于JNI全程是java native interface,意思就是java语言调用c语言,所以我们在项目的main文件夹下,新建一个文件夹命名为jni,androidstudio这点做的很人性化,直接右键,new->Folder->JNI Folder,即可完成对JNI文件夹的新建操作。该目录主要用于存放“.c”文件。

这里写图片描述

  • 我们在MainActivity中声明了一个本地方法后,我们再在新建的jni文件夹下,新建一个.c的文件,这里可以随便取名,我取的名字是“hello.c”。同样,androidstudio也是支持对c和c++文件操作的。

这里写图片描述

  • 新建完成之后,打开hello.c,在c文件中添加如下代码

这里写图片描述

#include <string.h> 
#include <jni.h> //jni调用本地代码的核心文件,必须用include导入。所有java方法转c的方法都是在这个头文件中声明的
jstring Java_com_selfassu_jnidemo_MainActivity_helloFromC(JNIEnv *env, jobject thiz)
{
    return (*env)->NewStringUTF(env, "JNI! hello");
}

1、上面的代码相信有部分人是看不太明白的,没关系,看不太明白其实也没什么影响,因为我们是java开发的,所以我们只要能够知道大概就可以了。
2、上面的代码中:其中include就相当于java中的import导包操作。以”.h”开头的是头文件,其中“jni.h”和“string.h”就是jni编程中常用的头文件,我们常用的头文件还有“stdio.h”,这个是标准输入输出流的头文件。上面导入了“jni.h”这个头文件,在所有的jni编程中,“jni.h”这个文件都是必须导入的,因为这个文件是jni编程的核心文件,所有java文件中声明的本地方法调用c方法都是在这个文件中声明的。
3、“jstring”是函数的返回类型,Java中string类型,在jni编程中对应的为jstring,jni中几乎大部分数据类型都是直接在java类型的前面加上了一个“j”。
4、Java_com_selfassu_jnidemo_MainActivity_helloFromC,这个是方法名,这个方法名是固定了,并不是没有规律可循的,java文件中声明的方法为

public void native helloFromC()

那么在hello.c文件中声明的方法名格式为:

Java_方法所在类的包名(将包名中的“.” 替换成“_”即可)_类名_方法名

怎么样,是不是很简单。哈哈。
5、参数。这个参数是固定的,可以直接这么写就可以了。

  • 最后我们在项目的gradle文件中加上部分配置就可以跑下程序了。
    1、首先,在项目的gradle文件中加上如下配置。hello表示生成的“.so”文件的名字。
    这里写图片描述
    2、如果编译报错,可以在工程的gradle.properties中加入如下代码。
android.useDeprecatedNdk=true//不报错不加

3、在MainActivity文件中添加如下代码
这里写图片描述

关于so文件

我们将项目rebuild后,会在app/build/intermediates/ndk/debug/lib目录下自动帮我们生成各个版本的so文件,这些文件的名称都是libhello.so。其中lib是自动生成的,而hello则是我们在项目的gragle文件中moduleName对应的值。

这里写图片描述

一般情况下,我们习惯将.so文件放在app/lib目录下,所以我们可以将编译完成的so文件直接拷贝到app/lib目录下,拷贝完成后可以删除hello.c所在的文件夹jni,同时在gradle添加如下配置,删除

ndk{moduleName “hello”}

配置

指向app/libs目录

拷贝完成后的libs文件夹

这里写图片描述

此时运行程序,一样可以运行(注意,删除hello.c文件,java本地方法可能会报错,因为找不到这个方法,此时忽略这个错误直接运行即可)

结语

到这里,jni的基本配置就说完了。
附上运行结果图

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