Android-Gradle基础脚本解析

转载地址:https://github.com/D-clock/Doc/blob/master/Gradle/1_Gradle%E8%84%9A%E6%9C%AC%E5%9F%BA%E7%A1%80%EF%BC%88Android%EF%BC%89.md

适合初学入门gradle

Build.gradle

下面是一个Android module内的build.gradle脚本,Gradle是基于Groovy的一种DSL(领域特定语言)语言,在gradle里面,它每一对大括号称之为一个闭包

apply plugin: 'com.android.application'

android {
    compileSdkVersion 21
    buildToolsVersion "21.1.2"

    defaultConfig {
        applicationId "com.clock.gradleusage"
        minSdkVersion 14
        targetSdkVersion 21
        versionCode 1
        versionName "1.0"
    }
    buildTypes {
        debug {

        }
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
        }
    }

    lintOptions {
        checkReleaseBuilds false
        // Or, if you prefer, you can continue to check for errors in release builds,
        // but continue the build even when errors are found:
        abortOnError false
    }
}

dependencies {
    compile fileTree(dir: 'libs', include: ['*.jar'])
    compile 'com.android.support:appcompat-v7:21.0.3'
}

下面来分析这个脚本各个地方的意思和作用。

Android Plugin

apply plugin: 'com.android.application'
  • 上面这段代码是告诉Gradle要加载一个com.android.application插件,在AndroidStudio下普通的module均做这样的声明
  • 如果是library module的,则插件名变成com.android.library

Manifest and defaultConfig

接下来这几个属相也相对比较熟悉,很多顾名思义,有些属性在原先的adt工程下是在Manifest文件中进行配置。

    compileSdkVersion 21
    buildToolsVersion "21.1.2"

    defaultConfig {
        applicationId "com.clock.gradleusage"
        minSdkVersion 14
        targetSdkVersion 21
        versionCode 1
        versionName "1.0"
    }
  • compileSdkVersion和buildToolsVersion:分别是编译SDK的版本号和构建这个module的工具的版本号
  • applicationId: 当前module的包名
  • 其他的属性都是之前Manifest里面有的,这里不赘述

BuildTypes

这是一段构建类型的配置脚本

    buildTypes {
        debug {

        }
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
        }
    }
  • debug和release:分别是对打debug和release包的配置,AndroidStudio默认生成的构建脚本只有release的配置
  • minifyEnabled: 是否进行代码混淆
  • proguardFiles: 配置混淆规则,此处配置分为proguard-android.txtproguard-rules.pro两部分,由这个两个文件共同完成代码混淆配置
  • proguard-android.txt: AndroidStudio默认的混淆规则,在AS目录\sdk\tools\proguard\proguard-android.txt
  • proguard-rules.pro: AndroidStudio为每个module生成的自定义混淆规则文件,在对应打包的module目录下

LintOptions

这段是lint检查的配置,checkReleaseBuilds falseabortOnError false用来取消构建打包时候lint错误检查

    lintOptions {
        checkReleaseBuilds false
        // Or, if you prefer, you can continue to check for errors in release builds,
        // but continue the build even when errors are found:
        abortOnError false
    }

Dependencies

最后这部分主要是对当前module依赖的配置

    dependencies {
        compile fileTree(dir: 'libs', include: ['*.jar'])
        compile 'com.android.support:appcompat-v7:21.0.3'
    }

module下的依赖分为本地依赖和远程依赖两种。本地依赖我觉得也可以理解成为内部依赖,大概意思就是依赖的库是位于module之内,而远程依赖的话想对也比较好理解,就是所依赖的这个库在module之外,可以在Project下的其他地方,或者是在远程的服务器上

  • compile fileTree(dir: 'libs', include: ['*.jar'])属于本地依赖,表示编译时会编译module下的libs文件夹中的所有jar文件,所以需要使用第三方jar的工程只需直接将jar加入到module下的libs文件夹即可
  • compile 'com.android.support:appcompat-v7:21.0.3'属于远程依赖,表示依赖于module外的某个库
  • 单独加入某个内部依赖也可以在上面的dependencies闭包中加入compile files('libs/***.jar')
  • 引用了某个module的情况下也需要在dependencies闭包中加入compile project(':引用依赖的module名')

总结

抽空对gradle在Android开发下的应用做了个小小的总结,有一些功能还没提及到,如:签名的配置多渠道和自动化打包生成jar或aar等内容。还需要接下来再继续完善汇总。


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