学习笔记

1)控件TextView(文本框)

android:layout_margin=“20dp”            //边框距20

android:textSize=“22dp”              //字体大小

android:textColor="@android:color/holo_red_light"   //设置字体颜色红色

2)控件ImageView(图本框)

android:layout_centerInParent=“true”        //居中

android:src="@drawable/bathdays"         //选择对用的图片为位置

3)控件Button(按键)

android:id="@+id/btn"               //确定ID为btn

android:layout_margin=“10dp”           //板式边距

android:layout_alignParentBottom=“true”      //放到最后

注:以上纯属自己根据up主的视频学习理解得到的,大神勿喷,若有更好的理解麻烦告知,在此感激不尽,谢谢!

接下就是Java代码,在开头我就是说明了我没有Java基础,所以对这些布局还有定义不太理解,但还是记下较好,以后学习总会去理解他

public class MainActivity extends AppCompatActivity {

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    //显示布局
    setContentView(R.layout.activity_main);

    //初始化布局
    intUI();
}

以上应该就是主函数,相当于我学的C语言中的main。这里做了一个初始化布局,此外还在这学到实用快捷键,Alt+Enter可以直接写出这个函数!
private void intUI() {
//获取媒体播放对象
final MediaPlayer mediaPlayer= MediaPlayer.create(getApplicationContext(),R.raw.music);
//注册点击事件
findViewById(R.id.btn).setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View view) {
if(mediaPlayer.isPlaying()) {
mediaPlayer.pause();
}else{
mediaPlayer.start();
}
}
});
}

这样就把简易生日贺卡app做好了。感觉还行,日后得看看Java语言学习下他的定义格式。

再者就是进入up主的系统学习,由0-3集,前几集倒还好,到了03模拟小相册的时候有点不太懂了。那么久说说看了这些学习的收获
因为有了生日贺卡APP这个简易的教程,前几集跟之前差不多。
1.首先学习了认识Android Studio的界面。了解了我们建立工程一般选为Android工程就行,(这是我们常用编写代码的),app和Gradle Scripts。
这里重点讲下app这个文件夹,打开app里面有3个子文件,①manifests②java③res
而我们常用的3个文件分别是这①中的AndroidManifest.xml,②->layout->MainActivity,③layout->activity_main.xml

第一个文件就是相当于启动文件,配置这个工程名称还有一些启动的事项。
第二个文件就是变成代码文件,主要书写一些逻辑关系。
第三个文件就是书写布局的文件,主要是将控件的摆放(初学者使用代码编写较好)。

2.然后学习了线性基础布局LinearLayout
android:orientation=“vertical”    //线性布局的方向  vertical竖直排列|horizontal横向排列

到了03集就是模拟相册的APP
这里使用了1个ImageView,用于显示图片的
1个TextView,用于提示图片的信息
2个Button,用于翻页的

<ImageView
android:id="@+id/iv_show"
android:layout_width=“match_parent”
android:layout_height=“50dp”
android:layout_weight=“1”          //剩余控件的占用
android:background="@android:color/background_dark" />  //设置为黑色的背景
   
<TextView
android:id="@+id/tv_show"
android:layout_width=“match_parent”
android:layout_height=“wrap_content”
android:text=“图片信息”
android:gravity=“center”  //居中  
android:padding=“10dp”    //内边距
/>
<LinearLayout
android:gravity=“center”         //居中
android:orientation=“horizontal”    //竖直排列
android:layout_width=“match_parent”
android:layout_height=“wrap_content”>

<Button
    android:id="@+id/btn_next"
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:text="下一张" />

/这里采用线性的布局两个按键的排列*******/

以上就是②->layout->MainActivity的代码

接下我们就要编写Java逻辑代码

private ImageView mImage;
private TextView mText;
private int num;
private int index;
private String[] title;
private int[] images;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
//初始化控件
initView();
//初始化数据
initData();

}
private void initData() {
title = new String[]{“No.1”,“No.2”,“No.3”,“No.4”,“No.5”};
images = new int[]{R.drawable.a,R.drawable.b,R.drawable.c,R.drawable.d,R.drawable.e};

mImage.setImageResource(images[0]);
mText.setText(title[0]);

num = title.length;//图片的张数
index = 0;//当前显示图片的索引

}
private void initView(){
mImage = findViewById(R.id.iv_show);
mText = findViewById(R.id.tv_show);
findViewById(R.id.btn_previous).setOnClickListener(this);
findViewById(R.id.btn_next).setOnClickListener(this);
}

@Override
public void onClick(View view) {
switch(view.getId()){
case R.id.btn_previous:
//上一张
if(index0){
index = title.length - 1;
}else {
index–;
}
break;
case R.id.btn_next:
//下一张
if(index
4){
index = 0;
}else{
index++;
}
break;
}
updateImageAndTitle();
}

private void updateImageAndTitle() {
mImage.setImageResource(images[index]);
mText.setText(title[index]);
}

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。
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