Android - 《Tasks and Back Stack》

翻译自官方文档里关于Activity的描述。

一个Activity是一个应用组件,提供一块屏幕,用户能用这个屏幕做一些交互。比如打电话、照相、发邮件、看地图。每个Activity都被授予一个窗口,这个窗口用来描画用户界面。这个窗口典型地填满屏幕,但是也有可能比屏幕小并且漂浮在其他窗口的顶部。

一个应用通常由多个松散结合的Activity构成。有代表性的,一个Activity会被设置为App的“主”Activity,这个Activity会在App第一次启动时被提交给用户。此外,为了执行不同的动作,每个Activity还能启动其他的Activity。每次一个新Activity开始,前一个Activity就是停止,但是系统会将前一个Activity保存到一个栈中(返回栈)。当一个新的Activity开始时,它会被压入返回栈里,并且获得用户焦点。这个返回栈遵守“后进先出”的栈机制,所以,当用户在当前Activity完成工作,并且按下返回键时,它将被弹出栈(并且被销毁),并且前一个Activity会被恢复(返回栈会在 Tasksand Back Stack 更详细的讨论)。

当一个Activity因为一个新的Activity开始而被停止,它会被通知这个状态的改变,通过Activity的生命周期回调函数。由于Activity的状态更改,会有几个回调函数收到消息,不管这个系统是正在创建它,停止它,恢复它,或者销毁它,每个回调函数提供给你一个时机,在这个时机你能做一些指定的适当工作,针对状态改变。例如,当Activity停止时,你的Activity应该释放一些大的对象,比如网络连接或者数据库连接。当Activity恢复时,你应该再次搜取必要的资源并且恢复被中断的动作。这些状态改变是Activity生命周期的一部分。


第一节:《Tasks and Back Stack》

一个App通常包含多个Activity。每个Activity应该被设计成围绕着一个指定种类的、用户能执行的动作,并且能启动其他Activity。例如,一个邮件App可能有一个Activity用来显示一个包含新邮件的列表,当用户选择列表中的一个条目,一个新的Activity就被创建出来用于显示邮件内容。

一个Activity甚至能启动设备上其他App的Activity。例如,如果你的App想要发邮件,你能定义一个intent用来执行发邮件的动作,并且包含一些数据,诸如邮件地址,邮件正文。其他App的Activity声明自己能处理这种intent,然后公开,让其他Activity知道。在这种情况下,一个intent被用来发送邮件,一个邮件App的构成Activity会启动(如果多个Activity支持一个Intent,那么系统会让用户选择一个)。当邮件被发送完,你的Activity会恢复,并且看起来好像邮件Activity是你App的一部分似的。即使那些Activity来自于不同的App,Android也会通过保持两个Activity在同一个Task来维持一个无缝的用户体验。

一个Task是一个Activity的集合,这些Activity是用来给用户执行一个确定的工作用的。Activity被安排在一个栈(返回栈)里,在里面的每个Activity会被顺序打开。

设备的主菜单屏幕是大多数Task的出发点。当用户触碰一个在App启动器里的图标(或者在主菜单上的快捷方式),那个App的Task就会到前台来。如果没有这个App的Task存在(这个App最近没有被用过),那么新的Task会被创建,并且那个App的主activity会打开并作为返回栈的根Activity。

当当前Activity打开其他Activity,这个新的Activity会被压入返回栈的栈顶并且获得用户焦点。前一个Activity会残留在返回栈里,但是会停止。当一个Activity停止,系统会保持它的用户界面的当前状态。 当用户按下返回键,当前Activity会被弹出栈顶(activity会被销毁)并且前一个Activity会被恢复(前一个的UI状态会被修复)。在返回栈里的Activity从不会被重新排列,只会被压入栈或弹出栈,被当前Activity启动会会被压入栈,当用户用返回键离开它时会被弹出栈。因此,返回栈操作的一个“后进先出”的对象结构。

图1 : 通过时间轴形象化这个行为,展示在每个事件点上,跟着返回栈的Activity的状况。



图1:有代表性的演示了每个在Task里的新Activity怎样添加新条目到返回栈里。当用户按下返回键,当前activity会被销毁,前一个Activity会被恢复。

如果用户继续按back键,每个在栈里的activity都会被弹出并显示前一个,直到用户返回到主菜单屏幕(或者到当Task开始的无论哪一个Activity)。当所有Activity都被移除,那么Task也就不会存在了。

一个Task是一个紧密结合的单元,当用户开始一个新Task或通过Home键回到主菜单屏幕时, 它能一起被移动到后台。当在后台时,这个Task里的所有Activity都会停止,但是这个Task的返回栈会完整保留。当其他Task就位时,当前这个Task只是单单失去焦点,就像图2显示的一样。


图2:两个Task,Task B 在前台接收用户交互,Task A 在后台,等待恢复。

一个Task能返回到前台,因此用户就能捡起它扔掉的任务。假设,例如,当前Task A  有3个Activity在它的返回栈里,2个在当前Activity下面。用户按下Home键(进入主菜单屏幕),从App启动器启动了一个新的App。当主菜单屏幕出现,Task A 进入后台。当新的App开始运行,系统为这个App打开了一个新的Task(Task B),用它自己的Activity的返回栈。在与这个新App交互完成之后,用户再次返回到主菜单屏幕,并且选择最初的那个App(在后台那个)启动。现在,Task A 来到前台,所有的在返回栈里的3个Activity是完整的,并且在返回栈顶的Activity被恢复。在这时,用户也能切换回Task B,通过Home键和被启动在Task里的App的图标(或者通过选择App的Task,从最近的app屏幕)。这就是一个多Task的Android 的例子。

注意:多个Task能被马上拿到后台。然后,如果用户在后台同时运行太多的Task,系统可能会开始销毁后台Activity,为了恢复内存,导致Activity状态丢失。看下一节,关于Activity State的。



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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、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。
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