问题备忘录


故事版中响应图片点击事件的方式不像常规的controls,类似于:text、fields、buttons、直接弄一个action的outlet就可以。而labels, image views这些元素需要添加手势识别器:gesture Recognizer才可以。

ios工程图片选择器报错:this class is not key value coding-compliant for the key selectImageFromPhotoLibrary.’怀疑还是像昨天的那种故事版中存在无效的链接,逐一检查。经过检查果然是多了一个outlets,正确的应该只有一个action。

发现手势识别器无法使用,经过不断的检查也没发现问题,网上查找解决方案,后来发现是图片我删除了,还原之后之前设置的user interaction enabled选项取消了。重新设置了一下。设置完就好了,整体比较流畅。
这里需要注意一下,这个问题经常会遇到:labels image views 等元素如果需要设置事件则需要开启user interacion,故事板中默认是不开启的。



使用代码添加和控制在storeboard中的view,原来我理解的方式是,要么使用代码创建各种界面,或者使用xib来组装,要么使用故事版来画,而现在了解到了一种新方式,再故事版中画,然后给他绑定到一个自定义的view上,这样就可以让代码和故事版结合起来,使用代码控制,使用故事版制作效果,解决了原来我思维里觉得故事版死板而代码写又太费劲的问题。很不错。


2015 1017 新增:


自定义view在复用的时候,一定不要忘记根据场景来设定User Interaction Enabled 
在viewcontrel 获取cell的时候名字是iderfer 不是name

as! 用来强制类型转换,AS?是可能失败的,感叹号则不允许失败,否则会crash
tableviewcontroller中可以直接使用tableView代表当前的tableview.


swift 中赋值表达式的值就是这个变量,所以类似于 if let meal = sdf{}
这种语句当sdf为0、nil、false时 不进入if,其他情况进入IF。


遇到无法关闭当前viewcontroller的问题,纠结了半天,各种代码比对和检查都没有发现问题,很奇怪,不知道是不是故事办的问题,重新画了两遍,发现还是这个问题,把show改成present modal之后也还是不行,最终把代码切换到windows上使用对比工具进行比对发现presentedViewController和presentingViewController这俩的区别。。。无语。。。


代码里可以直接使用navigationItem.leftBarButtonItem = editButtonItem()来添加edit按钮,也可以再故事版中做。
类名字后面冒号跟父类,父类逗号之后跟协议的名字。





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