iOS-UIDynamicAnimator和UISnapBehavior动画示例(iOS打分动画)

1.前言

应公司项目要求,我们有一个打分的功能,有十分制和百分制两种,主要用到UIDynamicAnimator和UISnapBehavior。UIkit动力学是UIkit框架中模拟真实世界的一些特性。主要有UIDynamicAnimator类,通过这个类中的不同行为来实现一些动态特性。UIDynamicAnimator有五个不同的行为,UIAttachmentBehavior(吸附),UICollisionBehavior(碰撞),UIGravityBehavior(重力),UIPushBehavior(推动),UISnapBehavior(捕捉)。另外还有一个辅助的行为UIDynamicItemBehavior,用来在item层级设定一些参数,比如item的摩擦,阻力,角阻力,弹性密度和可允许的旋转等等。这里面我主要说UISnapBehavior的用法。

2.十分制

调用非常简单,我封装了一下,如下:

[ZFJScoreView showScoreView:ZFJExtraordinarySystem scorBtnAction:^(CGFloat score) {
        NSLog(@"你打的分数 == %f",score);
        _scoreLab.text = [NSString stringWithFormat:@"您打了%.0f分",score];
    }];

主要代码

我创建了十个UIButton,给他们设置一个初始frame,然后通过UISnapBehavior设置一个CGPoint点;

- (void)createMenu{
    UIDynamicAnimator *animator = [[UIDynamicAnimator alloc]initWithReferenceView:self];
    
    //#16E4B6 100%
    for (int i = 0; i<10; i++) {
        UIButton *scoreBtn = [[UIButton alloc]init];
        scoreBtn.frame = CGRectMake((ScreenWidth - BtnWidth)/2, ScreenHeight - BtnWidth, BtnWidth, BtnWidth);
        [scoreBtn setTitle:[NSString stringWithFormat:@"%d",10-i] forState:UIControlStateNormal];
        scoreBtn.titleLabel.font = [UIFont fontWithName:@"STHeitiSC-Light" size:18];
        scoreBtn.backgroundColor = [self getScoreColor:i];
        scoreBtn.layer.masksToBounds = YES;
        scoreBtn.layer.cornerRadius = BtnWidth/2;
        [self addSubview:scoreBtn];
        [scoreBtn addTarget:self action:@selector(scoreBtnClick:) forControlEvents:UIControlEventTouchUpInside];
        
        CGFloat pointX = KBtnSpace + BtnWidth/2 + (KBtnSpace + BtnWidth) * (i%5);
        CGFloat pointY = ScreenHeight/2 - BtnWidth/2 - KBtnSpace/2 + (KBtnSpace/2 + BtnWidth) * (i/5);
        CGPoint point = CGPointMake(pointX, pointY);
        UISnapBehavior *snap = [[UISnapBehavior alloc]initWithItem:scoreBtn snapToPoint:point];
        [animator addBehavior:snap];
    }
    self.animator = animator;
}

3.百分制

调用和十分制是一样的;

[ZFJScoreView showScoreView:ZFJPercentileSystem scorBtnAction:^(CGFloat score) {
        NSLog(@"你打的分数 == %f",score);
        _scoreLab.text = [NSString stringWithFormat:@"您打了%.0f分",score];
    }];
百分制的实现代码

#pragma mark - 以下是百分制
//#EF5F20 100%
- (void)createPercentileSystem{
    UIDynamicAnimator *animator = [[UIDynamicAnimator alloc]initWithReferenceView:self];
    
    UIView *PercentileView = [[UIButton alloc]init];
    PercentileView.frame = CGRectMake((ScreenWidth - KPercentileWID)/2, (ScreenHeight - KPercentileWID), KPercentileWID, KPercentileWID);
    PercentileView.backgroundColor = [UIColor colorWithRed:0.937 green:0.373 blue:0.125 alpha:1.00];
    PercentileView.layer.masksToBounds = YES;
    PercentileView.layer.cornerRadius = KPercentileWID/2;
    [self addSubview:PercentileView];
    
    [PercentileView addSubview:self.ScoreTextField];
    
    //满分100分
    UILabel *showLab = [[UILabel alloc]init];
    showLab.frame = CGRectMake((KPercentileWID - 115)/2, CGRectGetMaxY(self.ScoreTextField.frame) + 9, 115, 13);
    showLab.text = @"满分100分";
    showLab.textAlignment = NSTextAlignmentCenter;
    showLab.font = [UIFont fontWithName:@"STHeitiSC-Light" size:13];
    showLab.textColor = [UIColor whiteColor];
    [PercentileView addSubview:showLab];
    
    CGFloat pointX = (ScreenWidth - KPercentileWID)/2 + KPercentileWID/2;
    CGFloat pointY = (ScreenHeight - KPercentileWID)/2 + KPercentileWID/2;
    CGPoint point = CGPointMake(pointX, pointY);
    UISnapBehavior *snap = [[UISnapBehavior alloc]initWithItem:PercentileView snapToPoint:point];
    snap.damping = 0.8f;//剧烈程度
    [animator addBehavior:snap];
    self.animator = animator;
}

4.效果预览




5.DEMO下载

点击下载

http://download.csdn.net/detail/u014220518/9773882



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