Want 拉起应用,传递参数,鸿蒙星河版NEXT,API(11)

Want是一种对象,用于在应用组件之间传递信息。

其中,一种常见的使用场景是作为startAbility()方法的参数。例如,当UIAbilityA需要启动UIAbilityB并向UIAbilityB传递一些数据时,可以使用Want作为一个载体,将数据传递给UIAbilityB。

图1 Want用法示意

显式Want:在启动目标应用组件时,调用方传入的want参数中指定了abilityName和bundleName,称为显式Want。

显式Want通常用于在当前应用中启动已知的目标应用组件,通过提供目标应用组件所在应用的Bundle名称信息(bundleName)并在Want对象内指定abilityName来启动目标应用组件。当有明确处理请求的对象时,显式Want是一种简单有效的启动目标应用组件的方式。

一、实例化上下文管理器

private context = getContext(this) as common.UIAbilityContext;

二、拉起UIability

Button('拉起第二个 UIability')
        .onClick(() => {

          // context为Ability对象的成员,在非Ability对象内部调用需要
          // 将Context对象传递过去
          let wantInfo: Want = {
            deviceId: '', // deviceId为空表示本设备
            bundleName: 'com.example.hormony_project',
            moduleName: 'entry', // moduleName非必选
            abilityName: 'SecondEntryAbility',
            parameters: {
              // 自定义信息
              info: '来自EntryAbility Page_UIAbilityComponentsInteractive页面'
            },
          }
          // context为调用方UIAbility的UIAbilityContext
          this.context.startAbility(wantInfo)
            .then(() => {
              console.log('startAbility success.');
            })
            .catch((error: BusinessError) => {
              console.log('startAbility failed.');
            });
        })

三、拉起模块

      Button('拉起第二个模块')
        .onClick(() => {
          // context为Ability对象的成员,在非Ability对象内部调用需要
          // 将Context对象传递过去
          let wantInfo: Want = {
            deviceId: '', // deviceId为空表示本设备
            bundleName: 'com.example.hormony_project',
            moduleName: 'secondentry', // moduleName非必选
            abilityName: 'Secondentry',
            parameters: {
              // 自定义信息
              info: '来自EntryAbility Page_UIAbilityComponentsInteractive页面'
            },
          }
          // context为调用方UIAbility的UIAbilityContext
          this.context.startAbility(wantInfo)
            .then(() => {
              console.log('startAbility success.');
            })
            .catch((error: BusinessError) => {
              console.log('startAbility failed.');
            });
        })

  • 10
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
plot_confusion_matrix函数通常用于可视化混淆矩阵,其传递的参数包括混淆矩阵、类别标签、标题、颜色映射等。具体而言,plot_confusion_matrix函数通常需要传递以下参数: - confusion_matrix:混淆矩阵,通常是一个二维数组,其中每行代表一个真实类别,每列代表一个预测类别; - classes:类别标签,通常是一个列表或数组,其中每个元素代表一个类别的名称; - normalize:是否对混淆矩阵进行归一化,通常为True或False; - title:图表的标题; - cmap:颜色映射,通常是一个matplotlib colormap对象,用于指定不同类别的颜色。 例如,以下代码展示了如何使用plot_confusion_matrix函数绘制混淆矩阵: ```python from sklearn.metrics import confusion_matrix from sklearn.utils.multiclass import unique_labels import matplotlib.pyplot as plt import numpy as np def plot_confusion_matrix(y_true, y_pred, classes, normalize=False, title=None, cmap=plt.cm.Blues): """ This function prints and plots the confusion matrix. Normalization can be applied by setting `normalize=True`. """ if not title: if normalize: title = 'Normalized confusion matrix' else: title = 'Confusion matrix, without normalization' # Compute confusion matrix cm = confusion_matrix(y_true, y_pred) # Only use the labels that appear in the data classes = classes[unique_labels(y_true, y_pred)] if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] print("Normalized confusion matrix") else: print('Confusion matrix, without normalization') print(cm) fig, ax = plt.subplots() im = ax.imshow(cm, interpolation='nearest', cmap=cmap) ax.figure.colorbar(im, ax=ax) # We want to show all ticks... ax.set(xticks=np.arange(cm.shape[1]), yticks=np.arange(cm.shape[0]), # ... and label them with the respective list entries xticklabels=classes, yticklabels=classes, title=title, ylabel='True label', xlabel='Predicted label') # Rotate the tick labels and set their alignment. plt.setp(ax.get_xticklabels(), rotation=45, ha="right", rotation_mode="anchor") # Loop over data dimensions and create text annotations. fmt = '.2f' if normalize else 'd' thresh = cm.max() / 2. for i in range(cm.shape[0]): for j in range(cm.shape[1]): ax.text(j, i, format(cm[i, j], fmt), ha="center", va="center", color="white" if cm[i, j] > thresh else "black") fig.tight_layout() return ax ``` 在这个例子中,plot_confusion_matrix函数需要传递的参数包括y_true和y_pred,分别代表真实标签和预测标签,以及classes参数,代表类别标签。其他参数都有默认值,可以根据需要进行修改。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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