关于View事件分发

关于事件分发:
dispatchTouchEvent
//是否消费,不消费就传递给上一层
对于view,super是true,走ontouchevent
对于viewgroup,如果是super,走onInterceptTouchEvent去判断是否进行拦截;如果是true,直接消费(但是不会触发onTouchevent,相当于作废了),不再走下面的分发;如果false,给上一级的onTouchenevnt.


onInterceptTouchEvent
//是否拦截,拦截true就会在当前的onTouch走
不拦截false,就会传递到子view,子view去走dispatchEvent
对于super,这个只有viewgroup存在,默认表示不拦截


onTouchEvent
//是否消费,
true表示接收并消费,false表示向上传递,直接传递给上级的onTouchEvent;
对于super,view默认返回false,viewgroup默认返回false


onTouch 
//该事件优先于onTouchEvent,如果onTouch返回true,onTouchEvent就不会执行


重要:


对于Activity、ViewGroup、View所包含的事件


Activity:dispatchTouchEvent(dispatch有分发和处理两个不同的意思,这里理解为处理比较好)、onTouchEvent


View:和activity一样


ViewGroup:在加上一个OnInterceptTouchEvent,这个事件表示拦截,如果dispathch事件返回了super,那么就会从onInterceptTouchEvent寻找返回值,如果inter返回true,则dispatch也是true,反之相同。这个事件的调用只有在dispatch返回super的时候才会用。


对于Ontouch事件,这个事件只有view才有,而且他的优先级是大于onTouchEvent的


对于三者的优先级:activity>viewgroup>view


实例:


1.当一个事件触发,当他首先会到达activity的dispatch事件,如果返回了super,那么事件就继续传递到下一级即ViewGroup,如果返回的不是super,那么就表示这个DOWN事件被activity自己处理了,但是并不会触发onTouchEvent事件,原因待续。


2.activity的dispatch返回了super,那么事件现在到ViewGroup的dispatch了,如果viewgroup的dispatch返回了super,那么就会去onIntercepter了;如果不是super,返回true,事件作废,不会触发viewgroup的onTouchEvent了,原因待续;如果返回false,表示viewgroup不处理这个事件,就会给上层activity,然后触发activity的onTouchEvent。


3.到现在ViewGroup的dispatch返回了super,现在需要看onIntercept的返回值了,返回super的话,事件就去view了;如果不返回super:若true,那就是说viewgroup决定消费这个事件了,这个事件就会传递到viewgroup的onTouchEvent事件了;若false,表示viewgroup不愿意处理这个事件,相当于super,事件到view的dispatch了。


4.现在由于viewgroup不拦截(首先dispatch决定super然后onIntercept决定返回super/false,这两个必须同时满足才能到这里)这个事件,这个事件继续到View的dispatch了;如果view的dispatch返回了super,那表示view要处理了;如果返回的不是super:如果是true,事件作废,不会到view的onTouchEvent,和之前的viewgroup和activity一样,原因不详;如果是false,表示这个事件我不管,而且上层的viewgroup也不管,那就直接给activity的onTouchEvent了。


5.现在view的dispatch返回了super,表示我现在要处理这个事件了,那么就走到onTouch事件了,如果返回了true,事件消失,原因不详;如果返回了false,事件继续传递,传递到了onTouchEvent,如果super,如果true,则还是给view处理;如果false/super就传给viewgroup的ontouchevent。


如果拦截了down事件,那么up事件就也拦截了。


diapath决定这个事件是否需要消费,如果消费,才会有后续的分发和处理;在拿到事件之后,interce方法决定了这个时间是否被拦截,拦截就消费了,不拦截的传下去。

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