他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻！2021年Android岗该如何进阶呢？

紫苏不是菜 紫苏不是菜 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 582平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-07-10 10:38:49 发布 582 阅读 AI 写同款· GEO 优化 ›
【计算机网络】RPC框架简介 文章目录RPC框架RPC简介什么是 RPC？RPC原理RPC 解决了什么问题？常见的 RPC 框架HTTP和RPC比较 RPC框架 参考文档：RPC框架 RPC简介 什么是 RPC？ RPC（Remote Procedure Call）—远程过程调用，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。比如两个不同的服务 A、B 部署在两台不同的机器上，那么服务 A 如果想要调用服务 B 中的某个方法该怎么办呢？使用 HTTP请求当然可以，但是可能会比较慢而且一些优化做的并不好。 阅读详情

“现在学习Android开发还有前景吗？”
最近在网上看到一热门文章，说的是一名工作七年的Android程序员想转学Java，他到底经历了什么，是什么把他给压垮了，难道说Android开发真的没有前景了吗？网友给出的答案并不是一致的，大部分网友都在劝阻他，对Android开发前景还是很看好的，也有少数网友有着同样的经历，感觉工作就是在摸鱼，技术点已经遇到了瓶颈。那么2021了我们还应该学习Android吗？到底如何还能做到吃香的程度呢？小编根据自己多年工作经验与素材收集，有了以下见解：

“Android开发还有什么可以研究的？”

近些年，移动开发市场看似并不乐观，小程序、快应用的崛起，让许多App的增长达到瓶颈，尤其是Android开发。

既然红利期已过，就更需要精炼的技术作为支撑，像现在的中高级招聘要求，除开学历要求、Android基础之外，把JNI/NDK/Framework，甚至JS、Server端开发也作为了提升点，是全栈方向的雏形。


其实，安卓开发的从业者会发现，各大公司中高端职位有明显增加，这也意味着安卓开发已进入技术赋能业务时代，所以增强个人的竞争实力，也就是Android开发能力很有必要。
我之前被朋友拉到了一个Android中高阶技术交流群，群里有很多大神时不时会在群里交流开发经验，并且还会有很多实用的总结经验，我全部都下载私藏了，拿着资料还能听大神培训，爽爆了，我也推荐给大家，有需要的可以点此处免费自取。

因为我本身就是本科院校出生，从事Android开发今年就3年了，在群里通过大神的培训和资料，顺利的让自己的级别和薪资都有上升。
所以，也来和大家总结一下，Android开发人员的发展方向。

第一：横向提升

基于全栈发展的趋势，在自己擅长领域深入钻研的同时，横向扩展，不要关起门闭门造车。
而这里说的横向提升就是向前端转型，在除了要在APP会hybrid开发（web、native、前端交互、硬件交互）之外，还要会web开发，微信小程序，H5。
比如服务端开发，我们做Android开发很多时候，要依赖于服务端接口返回数据，可以自己试着搭建一下，至少要对服务端的结构理论、服务于服务之间通信、聚合是什么样的流程也是需要有所耳闻。

第二：纵向重塑

一直以来，做Android开发有这么两个说法，如果是做应用开发，往应用架构方向发展比较合适；如果是做系统层开发，往往底层驱动比较合适。
那具体应该学习什么呢？

1、移动架构
架构展示层—MVC、MVP、MVVM、Clean、Flux、Android Architecture Components；
架构层—模块化->组件化->插件化->沙盒/双开技术，比如可以双开微信，类似Docker，每个页面都是插件，类似Vue.js中每个页面都是组件。

2、基础进阶
这个方向可能比较多，比如VIEW、Android动画机制、四大组件工作原理、多媒体技术等等。
我们平常在工作中碰到的View滑动冲突问题，其实通过掌握View工作机制和Android触摸时间体系就能轻易解决掉。
还有对于需要开发绚丽的动画效果，那么对于视图动画和属性动画一些特性必须有一定的了解。
Android中的四大组件工作机制其实底层应用的是Binder机制，我们不妨送AIdL这个接口来了解Binder。
JNI和NDK开发也是比较常见的，特别对于一些做NDK项目为主的，这一块开发流程也是需要掌握。
NDK开发也是佣人单位区分应聘者的手段之一，企业不一定要用到，但是可以通过是否掌握NDK来筛选人才。

3、语言学习开发语言
这里要纠正一下学习语言不是跨行业，比如Kotlin可以说是Android世界的头等公民了，再有时下比较火的Python和GO，另外做底层C/C+++是必不可少的。

4、源码
要求能看懂并且能够熟悉源码（自己选几个第三方库的也可以），要做到熟悉源码及其实现原理，并且要能做到自己二次封装（或自己贡献三方库）三方库

这样一来，你就会在维护中慢慢成为这个技术块的专家了，我觉得输出倒逼输入是一个不错的学习方式。
当然文中所有资料都是免费分享给大家的，有需要的朋友可以点此处免费领取。
其实，学习的方向还有很多，这里就不一 一给大家罗列了，因为不同项目需要学习的进阶的技能都不一样，如果说想要360度全发展的话，那肯定是要进行更加系统的学习。

另外附上一份BATJ大厂面试真题：

百度

  • Bitmap 使用时候注意什么？
  • Oom 是否可以try catch ？
  • 内存泄露如何产生？
  • 适配器模式，装饰者模式，外观模式的异同？
  • ANR 如何产生？
  • String buffer 与string builder 的区别？
  • 如何保证线程安全？
  • java四中引用
  • Jni 用过么？
  • 多进程场景遇见过么？
  • 关于handler，在任何地方new handler 都是什么线程下
  • sqlite升级，增加字段的语句
  • bitmap recycler 相关
  • 强引用置为null，会不会被回收？
  • glide 使用什么缓存？
  • Glide 内存缓存如何控制大小？
  • 如何保证多线程读写文件的安全？

阿里巴巴

  • LRUCache原理
  • 图片加载原理
  • 模块化实现（好处，原因）
  • JVM
  • 视频加密传输
  • 统计启动时长,标准
  • 如何保持应用的稳定性
  • ThreadLocal 原理
  • 谈谈classloader
  • 动态布局
  • 热修复,插件化
  • HashMap源码,SpareArray原理
  • 性能优化,怎么保证应用启动不卡顿
  • 怎么去除重复代码
  • SP是进程同步的吗?有什么方法做到同步
  • 介绍下SurfView
  • HashMap实现原理，ConcurrentHashMap 的实现原理
  • BroadcastReceiver，LocalBroadcastReceiver 区别
  • Bundle 机制
  • Handler 机制
  • android 事件传递机制
  • 线程间 操作 List
  • App启动流程，从点击桌面开始
  • 动态加载
  • 类加载器
  • OSGI
  • Https请求慢的解决办法，DNS，携带数据，直接访问IP
  • GC回收策略
  • 画出 Android 的大体架构图
  • 描述清点击 Android Studio 的 build 按钮后发生了什么，大体说清一个应用程序安装到手机上时发生了什么；
  • 对 Dalvik、ART 虚拟机有基本的了解；
  • Android 上的 Inter-Process-Communication 跨进程通信时如何工作的；
  • App 是如何沙箱化，为什么要这么做；
  • 权限管理系统（底层的权限是如何进行 grant 的）
  • 进程和 Application 的生命周期；
  • 系统启动流程 Zygote进程 –> SystemServer进程 –> 各种系统服务 –> 应用进程
  • recycleview listview 的区别,性能
  • 排序，快速排序的实现
  • 树：B 树的介绍
  • 图：有向无环图的解释
  • TCP/UDP的区别
  • synchronized与Lock的区别
  • volatile
  • Java线程池
  • Java中对象的生命周期
  • 类加载机制
  • 双亲委派模型
  • Android事件分发机制
  • MVP模式
  • RxJava
  • 抽象类和接口的区别
  • 集合 Set实现 Hash 怎么防止碰撞
  • JVM 内存区域 开线程影响哪块内存
  • 垃圾收集机制 对象创建，新生代与老年代
  • 二叉树 深度遍历与广度遍历
  • B树、B 树
  • 消息机制
  • 进程调度
  • 进程与线程
  • 死锁
  • 进程状态
  • JVM内存模型
  • 并发集合了解哪些
  • ConCurrentHashMap实现
  • CAS介绍
  • 开启线程的三种方式,run()和start()方法区别
  • 线程池
  • 常用数据结构简介
  • 判断环（猜测应该是链表环）
  • 排序，堆排序实现
  • 链表反转
  • 动态权限适配方案，权限组的概念
  • 网络请求缓存处理，okhttp如何处理网络缓存的
  • 图片加载库相关，bitmap如何处理大图，如一张30M的大图，如何预- - 防OOM
  • 进程保活
  • listview图片加载错乱的原理和解决方案
  • https相关，如何验证证书的合法性，https中哪里用了对称加密，哪里用了非对称加密，对加密算法（如RSA）等是否有了解

美团

  • static synchronized 方法的多线程访问和作用，同一个类里面两个synchronized方法，两个线程同时访问的问题
  • 内部类和静态内部类和匿名内部类，以及项目中的应用
  • handler发消息给子线程，looper怎么启动
  • View事件传递
  • activity栈
  • 封装view的时候怎么知道view的大小
  • arraylist和linkedlist的区别，以及应用场景
  • 怎么启动service，service和activity怎么进行数据交互
  • 下拉状态栏是不是影响activity的生命周期，如果在onStop的时候做了* 网络请求，onResume的时候怎么恢复
  • view渲染

今日头条

  • 数据结构中堆的概念，堆排序
  • 死锁的概念，怎么避免死锁
  • ReentrantLock 、synchronized和volatile（n面）
  • HashMap
  • singleTask启动模式
  • 用到的一些开源框架，介绍一个看过源码的，内部实现过程。
  • 消息机制实现
  • ReentrantLock的内部实现
  • App启动崩溃异常捕捉
  • 事件传递机制的介绍
  • ListView的优化
  • 二叉树，给出根节点和目标节点，找出从根节点到目标节点的路径
  • 模式MVP，MVC介绍
  • 断点续传的实现
  • 集合的接口和具体实现类，介绍
  • TreeMap具体实现
  • synchronized与ReentrantLock
  • 手写生产者/消费者模式
  • 逻辑地址与物理地址，为什么使用逻辑地址
  • 一个无序，不重复数组，输出N个元素，使得N个元素的和相加为M，* 给出时间复杂度、空间复杂度。手写算法
  • Android进程分类
  • 前台切换到后台，然后再回到前台，Activity生命周期回调方法。弹Dialog，生命值周期回调方法。
  • Activity的启动模式

爱奇艺

  • RxJava的功能与原理实现
  • RecycleView的使用，原理，RecycleView优化
  • ANR的原因
  • 四大组件
  • Service的开启方式
  • Activity与Service通信的方式
  • Activity之间的通信方式
  • HashMap的实现，与HashSet的区别
  • JVM内存模型，内存区域
  • Java中同步使用的关键字，死锁
  • MVP模式
  • Java设计模式，观察者模式
  • Activity与Fragment之间生命周期比较
  • 广播的使用场景

携程

  • Activity启动模式
  • 广播的使用方式，场景
  • App中唤醒其他进程的实现方式
  • AndroidManifest的作用与理解
  • List,Set,Map的区别
  • HashSet与HashMap怎么判断集合元素重复
  • Java中内存区域与垃圾回收机制
  • EventBus作用，实现方式，代替EventBus的方式
  • Android中开启摄像头的主要步骤

网易

  • concurrenthashmap
  • volatile
  • synchronized与Lock
  • Java线程池
  • wait/notify
  • NIO
  • 垃圾收集器
  • Activity生命周期
  • AlertDialog,popupWindow,Activity区别

小米

  • String 为什么要设计成不可变的？
  • fragment 各种情况下的生命周期
  • Activity 上有 Dialog 的时候按 home 键时的生命周期
  • 横竖屏切换的时候，Activity 各种情况下的生命周期
  • Application 和 Activity 的 context 对象的区别
  • 序列化的作用，以及 Android 两种序列化的区别。
  • List 和 Map 的实现方式以及存储方式。
  • 静态内部类的设计意图。
  • 线程如何关闭，以及如何防止线程的内存泄漏

由于篇幅原因，真题解析了，为了方便大家学习，小编已将所有面试真题与答案解析整理成了一个完整PDF文档，如下图所示：
如有需要的朋友可以点此处免费领取。

收录于
Android开发

当前文章被收录于：

Android开发
32 篇文章 0 人学习
订阅专栏 查看详情
Android面试

当前文章被收录于：

Android面试
12 篇文章 0 人学习
订阅专栏 查看详情
标签
#面试 #编程语言 #android #移动开发 #java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
从Android转向Java后台开发：经验分享与示例代码 通过学习Java核心概念、使用Java开发工具、构建简单的Java后台应用、掌握常用的Java后台框架以及学习相关的技术和工具，你可以顺利过渡到Java后台开发领域。在本文中，我将分享一些我转向Java后台开发的经验，并提供一些示例代码来帮助你入门。在开始Java后台开发之前，确保你安装了Java开发工具包（JDK）和一个集成开发环境（IDE），例如Eclipse、IntelliJ IDEA或者NetBeans。然而，为了转向Java后台开发，你需要更深入地学习Java的高级特性和后台开发相关的知识。 阅读详情

相关推荐

Android应用开发入门：从Android Studio环境设置到Java编程基础

Android应用开发是一个令人兴奋和有趣的领域。如果你对移动应用程序开发感兴趣，并且想要学习如何开始构建自己的Android应用，那么你来对地方了！本篇博客将带你从头开始，介绍如何设置Android Studio环境，学习Java编程基础，以便你能够快速入门Android开发。

2201_76125261的博客 2464

我的Java之路--Android转Java后台

作为一个资深Android程序猿，现正在Java的道路上砥砺前行。。。 刚入职目前公司不久，领导宣布Android项目停止，全力投入到对公司主站的改造上，公司主站是Java项目，我也就开始了Java开发。 说实在的，由Android转Java还是有一定难度的，虽然都是java语言，但编码思维完全不同。我之前学习过IOS，如果说Android转IOS的难度是1，那么Android转J...

fightingXia的博客 1万+

SAP 资产主数据屏幕增强：对比字段追加与子屏幕/页签 2 种方案优劣

本文深入对比了SAP资产主数据(AS01/AS03)屏幕增强的两种方案：字段追加与子屏幕/页签。从技术实现、业务适配、系统维护等维度分析各自优劣，提供方案选型决策树和混合方案实践建议，帮助企业在SAP实施中做出最优选择。

weixin_28559803的博客 285

论一个android开发者自学转javaee的过程

        1.基本情况介绍    到目前为止本人开发安卓3年，并且自学java后台已经快1年了，对于android有一定的见解，对于java后台目前也学了很多的框架和知识    2.关于android方面在android方面我做过很多项目，一个方面是自定义的android系统：包括机顶盒等。在机顶盒上一般都是一个home项目，然后大多数都是视频的项目。主要就是调用底层播放器和业务逻辑 消息处...

张迁的博客 3586

数字后端零基础入门系列 | Innovus零基础LAB学习Day7

数字后端零基础入门系列 | Innovus零基础LAB学习Day7

weixin_37584728的博客 2273

《最游记》游戏开发全栈指南：从源码解析到实战部署

本文提供了一份详尽的《最游记》游戏源码全栈开发指南。文章深入解析了这款3D玄幻网游的完整源码结构，涵盖客户端、服务端、引擎和工具链，并提供了从环境搭建、核心模块解析到实战修改与部署的完整流程。对于希望深入理解MMORPG架构的开发者而言，这份指南是宝贵的实战资源。

weixin_28363123的博客 72

后端转 Android 我该从何处下手，现在学习 Android 晚吗？

近日有小伙伴发帖询问： 后端转 Android 该从何处下手？知识体系是不是也分后端和前端？前端核心是交互设计？ 很多网友回复：现在学Android已经晚了！ 部分网友评价就十分中肯：现在小公司都是 web 套壳或者 rn 之类的起步，只有体量大的才会考虑原生。 真要转 Android 建议带着垂直领域的技能转，比如你擅长音视频流编解码、openCV 、图形处理、网络(终端)安全、Flutter、kotlin、Jetpack等等，掌握这些技能每个公司都会青睐！ 现状 看到上述帖子，后端转 And

AndroidAlvin的博客 1142

高通Camx功能feature分析之一：remosaic功能导通

本文详细介绍了S5K3P9S传感器前置场景中SW Remosaic功能的实现流程。首先需在sensorxml中确认支持SW Remosaic类型，并集成remosaic相关库文件（libremosaic_wrapper.so等）。核心实现包括：初始化阶段调用InitFrontSamsungRemosaic()；执行线程DeferFrontInitThread()读取校准数据；通过DoSamsungRemosaic()执行remosaic算法处理；最后在析构函数中调用DeinitFrontSamsungRem

1700

他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻

NDK开发也是佣人单位区分应聘者的手段之一，企业不一定要用到，但是可以通过是否掌握NDK来筛选人才。这里要纠正一下学习语言不是跨行业，比如Kotlin可以说是Android世界的头等公民了，再有时下比较火的Python和GO，另外做底层C/C+++是必不可少的。要求能看懂并且能够熟悉源码（自己选几个第三方库的也可以），要做到熟悉源码及其实现原理，并且要能做到自己二次封装（或自己贡献三方库）三方库这样一来，你就会在维护中慢慢成为这个技术块的专家了，我觉得输出倒逼输入是一个不错的学习方式。

m0_60452134的博客 751

脑机接口中的视觉信号解码：原理、技术与应用

脑机接口中的视觉信号解码：原理、技术与应用​ ，人工智能，计算机视觉，大模型，AI，脑机接口（Brain - Computer Interface，BCI）作为一种革命性的技术，致力于搭建人脑与外部设备之间的直接通信桥梁，绕开传统的神经肌肉输出通路。其核心目标是解读大脑活动产生的信号，从而实现对外部设备的精准控制或信息交互。在众多脑机接口研究方向中，视觉信号解码因其独特的优势和广泛的应用前景，吸引了大量科研人员的关注。

不踩坑，不知道坑有多深；不总结，踩过的坑白踩。 20万+

波浪补偿控制(AHC)之波浪发生器(CODESYS完整源代码)

波浪发生器平台详细算法和结构介绍请参看下面博客文章：CODESYS平台如何建立FC和FB，请参看下面博客文章：

RXXW_Dor的博客 401

他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻！2024年Android岗该如何进阶呢？

当然文中所有资料都是免费分享给大家的，其实，学习的方向还有很多，这里就不一 一给大家罗列了，因为不同项目需要学习的进阶的技能都不一样，如果说想要360度全发展的话，那肯定是要进行更加系统的学习。

2401_84132232的博客 769

启动launch文件时显示找不到franka_ign_ros2_control-system...如何解决？

🏆本文收录于 《全栈 Bug 调优（实战版）》 专栏。专栏聚焦真实项目中的各类疑难 Bug，从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解，形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者，还是负责复杂项目的资深工程师，都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论，助你稳步进阶、放大技术价值 。

**My Coding Family** 695

他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻！2024年Android岗该如何进阶呢？_android转java开发

比如服务端开发，我们做Android开发很多时候，要依赖于服务端接口返回数据，可以自己试着搭建一下，至少要对服务端的结构理论、服务于服务之间通信、聚合是什么样的流程也是需要有所耳闻。这里要纠正一下学习语言不是跨行业，比如Kotlin可以说是Android世界的头等公民了，再有时下比较火的Python和GO，另外做底层C/C+++是必不可少的。其实，学习的方向还有很多，这里就不一 一给大家罗列了，因为不同项目需要学习的进阶的技能都不一样，如果说想要360度全发展的话，那肯定是要进行更加系统的学习。

2401_84240129的博客 725

2026年美赛数学建模竞赛 MCM B题：使用太空电梯系统建立月球殖民地 问题一 月球殖民地材料运输的三种场景建模 详细解题思路和代码

如果运输系统不能完美工作（例如，系绳摆动、火箭失败、电梯故障等），你的解决方案在多大程度上会发生变化？技术可行性：三种方案在技术上都是可行的，但挑战不同 经济性：混合方案在长期视角下最具成本效益 时间效率：并行运输可以显著缩短总建设时间环境影响：太空电梯的环境优势明显，混合方案可平衡需求风险分散：混合方案提供了天然的风险分散机制

YOLO 617

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻！2024年Android岗该如何进阶呢？_android转java开发(1)

我之前被朋友拉到了一个Android中高阶技术交流群，群里有很多大神时不时会在群里交流开发经验，并且还会有很多实用的总结经验，我全部都下载私藏了，拿着资料还能听大神培训，爽爆了，我也推荐给大家，其实，学习的方向还有很多，这里就不一 一给大家罗列了，因为不同项目需要学习的进阶的技能都不一样，如果说想要360度全发展的话，那肯定是要进行更加系统的学习。而这里说的横向提升就是向前端转型，在除了要在APP会hybrid开发（web、native、前端交互、硬件交互）之外，还要会web开发，微信小程序，H5。

2401_84239830的博客 913

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

他经历了什么？七年资深Android程序员想转学Java，网友纷纷留言劝阻！2024年Android岗该如何进阶呢？_android转java开发(2)

在实际的渗透测试过程中，面对复杂多变的网络环境，当常用工具不能满足实际需求的时候，往往需要对现有工具进行扩展，或者编写符合我们要求的工具、自动化脚本，这个时候就需要具备一定的编程能力。这里要纠正一下学习语言不是跨行业，比如Kotlin可以说是Android世界的头等公民了，再有时下比较火的Python和GO，另外做底层C/C+++是必不可少的。其实，学习的方向还有很多，这里就不一 一给大家罗列了，因为不同项目需要学习的进阶的技能都不一样，如果说想要360度全发展的话，那肯定是要进行更加系统的学习。

2401_84239830的博客 738

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

从安卓转到 Java 开发，再到 4 面斩获抖音 offer，盘点自己的晋升经历

先说说个人情况吧，坐标广州，16 年从一所普通二本大学毕业，毕业后在一家小公司干 android 开发，年薪在 15w 左右。转 Java 的契机是认识到了一个朋友，做 Java 后台的，经常跟他聊相关的内容，经过慎重考虑及个人的发展规划，所以就决定转型了。

qq_42986622的博客 1987

今年还有金三银四吗？Android程序员应该及时转行，还是一条路走到黑？

金三银四”、“金九银十”曾经是多么热门的话题，每每都能引发一波热议。但现在各行各业的经济状况就不甚乐观，今年还能有金三银四吗？如今的行业现状我想大家心里也清楚，没办法改变环境，就只能想办法改变自己。做为一名Android开发者，这些年来，我技术的学习、行业的变迁也算所体悟。这里，小编也是把目前最热的面试核心整理好了，已编好成pdf文档手册。内容从Android和Java两方面入手，全方位解读面试题，总结非常全面！本着好东西就是要拿出来分享的原则，这里将面试文档分享出来，希望帮助大家通过面试。

Android23333的博客 349

中高级安卓开发技术！Android开发核心知识笔记共2100页，完整版开放下载

前言 这篇文章主要是分享今年面试心得，现已就职于某大厂有三个月了，近期有很多公司均已启动秋招，也祝大家面试顺利，获得理想的offer！ 之前找工作的那段时间感想颇多，总结一点面试经验和人生思考分享给大家。 360°全方面性能调优 一、设计思想与代码质量优化 二、程序性能优化 三、开发效率优化 Android框架体系架构 一、高级UI晋升 二、Android组件内核 三、大型项目必备IPC 四、数据持久化 五、Framework内核解析 架构师筑基必备技能 一、深入Java泛型 二、注解深入浅出 三、

CHAMPION8888的博客 616

Android工程师转型Java后端开发之路，自己选的路，跪着也要走下去！

本文是公众号读者jianfeng投稿的面试经验恭喜该同学成功转型目录：毅然转型，没头苍蝇制定目标，系统学习面试经历毅然转岗，没头苍蝇首先，介绍一下我的背景。本人坐标广州，2016年毕业于一个普通二本大学，曾经在某机构培训过Android。2018年初的时候已经在两家小公司工作干了两年的android开发，然后会一些Tomcat、Servlet之类的技术，当时的年薪大概也就15万这样子。由于个人发展...

weixin_33730836的博客 3441

一份PDF让我从安卓转到Java开发，4面成功拿下美团offer

开篇：为什么转Java？ 先说说个人情况吧，坐标广州，16年从一所普通二本大学毕业，毕业后在一家小公司干android开发，年薪在15w左右。转Java的契机是认识到了一个朋友，做Java后台的，经常跟他聊相关的内容，经过慎重考虑及个人的发展规划，所以就决定转型了。 从安卓转Java，肯定不能是说转就转的，需要耗费大量的时间和精力，所以在工作之余是一定要抽出自己的时间来学习。好在付出终是有回报的，简历上不说敢写精通，熟练是没多大问题的，最终4面拿下了美团offer。 以下主要分享面经和个人学习方法，

文章中资料均可获取，有需要请添加yunduoa2019即可 375

java转Andriod

最近几日偷偷的发现部分Java程序员想转安卓开发，故此加紧补充知识，为大家搜集资料，积极整理前人的经验，希望可以给正处于困惑中的你，带来些许的帮助。   啰哩啰嗦的说说Java和Android程序的区别： Android是主流智能手机的操作系统，Java是一种开发语言，两者没有好坏优劣之分，只是两种职业岗位的选择。学安卓从事移动互联方向开发，学Java从事软件、网站开发。而安卓上

wangzhaotongalex的专栏 1414
上一篇： 做Android开发的第七个年头，忍不住分享一份Android中高级面试题
下一篇： 从“面试被拒”到“蚂蚁金服”，再转战“阿里”，来自Android工程师个人经历-带面试干货
点赞 10
评论 1
书签 书签 9
紫苏不是菜
紫苏不是菜
博客等级 码龄6年 40粉丝 32原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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