cocos 屏幕适配 Http网络 粒子系统

屏幕适配

CC_CALLBACK_N ()  //  N指的是未指定参数(palcehoder 通常为Ref*   EventType 即不用传递的参数)

closeItem->setCallback(CC_CALLBACK_1(HelloWorld::menuCloseCallback, this,2));可变参数放未指定函数后

void HelloWorld::menuCloseCallback(Ref* pSender , int a){…}


auto glview = director->getOpenGLView();

glview->setDesignResolutionSize(800, 480, ResolutionPolicy::FIXED_HEIGHT);

// 1.SHOW_ALL 取较小比例进行缩放

    // 2.NO_BORDER 取较大比例进行缩放// 不推荐

    // 3.EXACT_FIT 取长,宽比例分别进行缩放

    // 4.FIXED_HEIGHT 取较大比例进行缩放

    // 5.FIXED_WEIGHT 取较大比例进行缩放

    // 6.UNKNOW 取较大比例进行缩放


针对iPad(1024*768)做适配使用 FIXED_HEIGHT   不能截取资源

设置资源的位置的时,尽量采用比值的形式

资源的大小不允许改动,但可以进行随意缩放


HTTP网络

http是短协议,登录注册用,socket是长连接战斗时用  

https(更安全)加密传输,身份认证 

get 与 post 的差异:

void HelloWorld::HttpGetTest(){

    HttpRequest * request = new HttpRequest ();

    request->setUrl("http://42.96.151.161:83/service/getHero?user_name=Teacher_wei");

    request->setRequestType(HttpRequest::Type::GET);

    request->setTag("get");

    request->setResponseCallback(CC_CALLBACK_2(HelloWorld::httpResponse_call, this));

    HttpClient::getInstance()->send(request);

    

    request->release();

}


void HelloWorld::HttpPostTest(){

    char str[100];

    sprintf(str, "user_name=Teacher_wei");

    // 创建一个请求对象

    HttpRequest * request = new HttpRequest();

    // 设置请求的服务器地址

    request->setUrl("http://42.96.151.161:83/service/getHero?");

    // 设置请求方式

    request->setRequestType(HttpRequest::Type::POST);

    // 设置请求的数据

    request->setRequestData(str, 100);

    // 设置响应的回调函数

    request->setResponseCallback(CC_CALLBACK_2(HelloWorld::httpResponse_call, this));

    // 发送请求

    HttpClient::getInstance()->send(request);

    // 释放自己穿件的请求对象

    request->release();

}

// 响应的回调函数

void HelloWorld::httpResponse_call(HttpClient* client, HttpResponse* response){

    // 是否有响应

    if(!response){

        log("无响应");

        return;

    }

    // 输出响应码 200:响应成功   -1:响应失败

    log("响应码:%ld",response->getResponseCode());

    // 获取响应的报文,督导缓冲区中

    std::vector<char> * buffer = response->getResponseData();

    // 输出报文内容

    for(unsigned int i=0;i<buffer->size();i++){

        printf("%c",(*buffer)[i]);

    }

}



粒子系统

//添加粒子特效(自己制作生成plist文件)

    ParticleSystemQuad * m = ParticleSystemQuad::create("example.plist");

    addChild(m);

//引擎封装好的粒子

    auto my = ParticleExplosion::create();

    my->setPosition(Vec2(visibleSize.width/2,visibleSize.height/2));

    addChild(my);



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