Stream插件相关的用法


我们在上一章回中介绍了管理Stream事件流相关的内容,本章回中将介绍如何使用Stream事件流输入输出数据 。闲话休提,言归正传,让我们一起Talk Flutter吧。

在这里插入图片描述

1. 概念介绍

我们在上一章回中看到了Stream中的事件流可以自带数据,事件被监听到后可以从监听方法的onData属性中获取到事件流中的数据,有没有其它的方法可以在事件流中
输入输出数据?有。本章回中将介绍如何通过Stream事件流输入输出数据。

2. 使用方法

有两种方法可以通过Stream事件流输入输出数据,一种是使用StreamController对象,另外一种是使用StreamBuilder组件。接下来我们分别介绍它们。

2.1 StreamController

  1. 创建StreamController类型的对象,并且初始化该对象;
  2. 使用StreamController对象的add()方法向事件流中添加数据;
  3. 监听StreamController对象中的stream事件流,在onData方法中获取数据;
  4. 关闭StreamController对象中的数据流;
    总结:该方法通过StreamController对象的add()方法向事件流中添加数据,然后在监听方法中通过onData属性输出数据。

2.2 StreamBuilder

使用StreamBuilder组件也可以通过Stream事件流输入输出数据:该组件通过提供一个stream类型的属性用来接收stream事件流,然后创建一个用来接收数据的组
件,它会自动监听stream中的数据,并且更新组件中的数据,这点非常适用。这是该组件的完整工作过程,下面介绍该组件中相关的属性:

  • stream属性:用来接收stream事件流,并且自动监听该事件流中的事件;
  • builder属性:主要用来创建一个接收数据的组件,它是方法类型,可以从方法中的第二个参数获取数据;
  • initialData属性:主要用来控制接收数据组件中数据的初始值;
    总结:该方法通过stream属性输入数据,然后把数据输出到builder属性生成的组件上,如果输入数据有变化,它会自动更新组件上输出的数据。

3. 示例代码

//使用streamController在stream中输入输入数据,先初始化它
_streamController = StreamController<String>();

//向stream中添加数据,这里的事件是简单的字符串当作数据使用,复杂点的可以做成方法返回string
_streamController.add("event one1");
_streamController.add("event one2");
_streamController.add("event one3");
//添加封装的方法到事件流中
_streamController.add(_eventFunc());

//监听事件流并且获取事件流中的数据,
_streamController.stream.listen(
  _onData,
  onError: _onError,
  onDone: _onDone,
);

//使用StreamBuilder获取数据
StreamBuilder(
  initialData: "default",
  stream: _streamController.stream,
  builder: (context,dataSource){
    return Text('${dataSource.data}');
  },
),

关于上面的代码需要做一些补充说明:使用StreamController对象的add()方法向事件流中添加数据时要保证被添加的数据类型与StreamController类中泛型的
类型一致,比如上面代码中二者的类型都是String.代码中listen()方法中的三个参数没有详细列出来,它们和上一章回中同名的方法相同;使用StreamBuilder组
件的builder属性生成的组件可以是任意的组件,代码中简单起见使用Text组件。StreamBuilder组件可以自动更新组件中输出的数据,这点非常的实用。
我们在这里就不演示程序的运行结果了,建议大家自己动手去实践,此外,这里只列出了核心的代码,完整的代码可以参考github上ex034文件。

看官们,关于"使用Stream事件流输入输出数据"相关的内容就介绍到这里,欢迎大家在评论区交流与讨论!

  • 20
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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

打赏作者

talk_8

真诚赞赏,手有余香

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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