鸿蒙5.0开发进阶:UI框架-ArkTS组件(GridItem)

鸿蒙Harmony应用开发—ArkTS声明式开发(容器组件:GridItem) ArkTS声明式开发(容器组件:GridItem) 阅读详情

往期鸿蒙全套实战文章必看:(文中附带全栈鸿蒙学习资料)


GridItem

网格容器中单项内容容器。

说明

  • 该组件从API Version 7开始支持。后续版本如有新增内容,则采用上角标单独标记该内容的起始版本。
  • 仅支持作为Grid组件的子组件使用。
  • 当GridItem配合LazyForEach使用时,GridItem子组件在GridItem创建时创建。配合if/else、ForEach使用时,或父组件为Grid时,GridItem子组件在GridItem布局时创建。

子组件

可以包含单个子组件。

接口

GridItem(value?: GridItemOptions)

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
value11+GridItemOptions否为GridItem提供可选参数, 该对象内含有GridItemStyle枚举类型的style参数。

属性

rowStart

rowStart(value: number)

设置当前元素起始行号。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valuenumber是

当前元素起始行号。

需要指定GridItem起始行列号和所占行列数的场景推荐使用Grid的layoutOptions参数,详细可参考Grid的示例1和Grid的示例3。

rowEnd

rowEnd(value: number)

设置当前元素终点行号。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valuenumber是

当前元素终点行号。

需要指定GridItem起始行列号和所占行列数的场景推荐使用Grid的layoutOptions参数,详细可参考Grid的示例1和Grid的示例3。

columnStart

columnStart(value: number)

设置当前元素起始列号。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valuenumber是

当前元素起始列号。

需要指定GridItem起始行列号和所占行列数的场景推荐使用Grid的layoutOptions参数,详细可参考Grid的示例1和Grid的示例3。

columnEnd

columnEnd(value: number)

设置当前元素终点列号。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valuenumber是

当前元素终点列号。

需要指定GridItem起始行列号和所占行列数的场景推荐使用Grid的layoutOptions参数,详细可参考Grid的示例1和Grid的示例3。

说明

需要指定GridItem起始行列号和所占行列数的场景推荐使用Grid的layoutOptions参数,详细可参考Grid的示例1和Grid的示例3。

起始行号、终点行号、起始列号、终点列号生效规则如下:

rowStart/rowEnd合理取值范围为0~总行数-1,columnStart/columnEnd合理取值范围为0~总列数-1。

如果设置了rowStart/rowEnd/columnStart/columnEnd,GridItem会占据指定的行数(rowEnd-rowStart+1)或列数(columnEnd-columnStart+1)。

只有在设置columnTemplate和rowTemplate的Grid中,设置合理的rowStart/rowEnd/columnStart/columnEnd四个属性的GridItem才能按照指定的行列号布局。

在设置columnTemplate和rowTemplate的Grid中,单独设置行号rowStart/rowEnd或列号columnStart/columnEnd的GridItem会按照一行一列进行布局。

在只设置columnTemplate的Grid中设置列号columnStart/columnEnd的GridItem按照列数布局。在该区域位置存在GridItem布局,则直接换行进行放置。

在只设置rowTemplate的Grid中设置行号rowStart/rowEnd的GridItem按照行数布局。在该区域位置存在GridItem布局,则直接换列进行放置。

在只设置columnTemplate的Grid中,在GridItem上设置了不合理的值,GridItem按照一行一列进行布局。

columnTemplate和rowTemplate都不设置的Grid中GridItem的行列号属性无效。

forceRebuild(deprecated)

forceRebuild(value: boolean)

设置在触发组件build时是否重新创建此节点。GridItem会根据自身属性和子组件变化自行决定是否需要重新创建,无需设置。

从API version9开始废弃。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valueboolean是

在触发组件build时是否重新创建此节点。

默认值:false

selectable8+

selectable(value: boolean)

设置当前GridItem元素是否可以被鼠标框选。外层Grid容器的鼠标框选开启时,GridItem的框选才生效。

该属性需要在设置选中态样式前使用才能生效选中态样式。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valueboolean是

当前GridItem元素是否可以被鼠标框选。

默认值:true

selected10+

selected(value: boolean)

设置当前GridItem选中状态。该属性支持$$双向绑定变量。

该属性需要在设置选中态样式前使用才能生效选中态样式。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
valueboolean是

当前GridItem选中状态。

默认值:false

GridItemOptions11+对象说明

元服务API: 从API version 12开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

名称类型必填说明
styleGridItemStyle否

设置GridItem样式。

默认值: GridItemStyle.NONE

设置为GridItemStyle.NONE时无样式。

设置为GridItemStyle.PLAIN时,显示Hover、Press态样式。

GridItemStyle11+枚举说明

元服务API: 从API version 12开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

名称枚举值描述
NONE0无样式。
PLAIN1显示Hover、Press态样式。

说明

GridItem焦点态样式设置:Grid组件需要设置4vp规格以上的内边距,用于显示GridItem的焦点框。

事件

onSelect8+

onSelect(event: (isSelected: boolean) => void)

GridItem元素被鼠标框选的状态改变时触发回调。

元服务API: 从API version 11开始,该接口支持在元服务中使用。

系统能力: SystemCapability.ArkUI.ArkUI.Full

参数:

参数名类型必填说明
isSelectedboolean是进入鼠标框选范围即被选中返回true, 移出鼠标框选范围即未被选中返回false。

示例

示例1

// xxx.ets
@Entry
@Component
struct GridItemExample {
  @State numbers: string[] = ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15"]

  build() {
    Column() {
      Grid() {
        GridItem() {
          Text('4')
            .fontSize(16)
            .backgroundColor(0xFAEEE0)
            .width('100%')
            .height('100%')
            .textAlign(TextAlign.Center)
        }.rowStart(1).rowEnd(2).columnStart(1).columnEnd(2) // 同时设置合理的行列号

        ForEach(this.numbers, (item: string) => {
          GridItem() {
            Text(item)
              .fontSize(16)
              .backgroundColor(0xF9CF93)
              .width('100%')
              .height('100%')
              .textAlign(TextAlign.Center)
          }
        }, (item: string) => item)

        GridItem() {
          Text('5')
            .fontSize(16)
            .backgroundColor(0xDBD0C0)
            .width('100%')
            .height('100%')
            .textAlign(TextAlign.Center)
        }.columnStart(1).columnEnd(4) // 只设置列号,不会从第1列开始布局
      }
      .columnsTemplate('1fr 1fr 1fr 1fr 1fr')
      .rowsTemplate('1fr 1fr 1fr 1fr 1fr')
      .width('90%').height(300)
    }.width('100%').margin({ top: 5 })
  }
}

示例2

使用GridItemOptions

// xxx.ets
@Entry
@Component
struct GridItemExample {
  @State numbers: String[] = ['0', '1', '2']

  build() {
    Column({ space: 5 }) {
      Grid() {
        ForEach(this.numbers, (day: string) => {
          ForEach(this.numbers, (day: string) => {
            GridItem({style:GridItemStyle.NONE}) {
              Text(day)
                .fontSize(16)
                .width('100%')
                .height('100%')
                .textAlign(TextAlign.Center)
                .focusable(true)
            }
            .backgroundColor(0xF9CF93)
          }, (day: string) => day)
        }, (day: string) => day)
      }
      .columnsTemplate('1fr 1fr 1fr')
      .rowsTemplate('1fr 1fr')
      .columnsGap(4)
      .rowsGap(4)
      .width('60%')
      .backgroundColor(0xFAEEE0)
      .height(150)
      .padding('4vp')

      Grid() {
        ForEach(this.numbers, (day: string) => {
          ForEach(this.numbers, (day: string) => {
            GridItem({style:GridItemStyle.PLAIN}) {
              Text(day)
                .fontSize(16)
                .width('100%')
                .height('100%')
                .textAlign(TextAlign.Center)
                .focusable(true)
            }
            .backgroundColor(0xF9CF93)
          }, (day: string) => day)
        }, (day: string) => day)
      }
      .columnsTemplate('1fr 1fr 1fr')
      .rowsTemplate('1fr 1fr')
      .columnsGap(4)
      .rowsGap(4)
      .width('60%')
      .backgroundColor(0xFAEEE0)
      .height(150)
      .padding('4vp')
    }.width('100%').margin({ top: 5 })
  }
}

鸿蒙Harmony应用开发—ArkTS声明式开发(容器组件:Grid) ArkTS声明式开发(容器组件:Grid) 阅读详情

相关推荐

鸿蒙ArkTS容器组件:【Grid】

网格容器,由“行”和“列”分割的单元格所组成,通过指定“项目”所在的单元格做出各种各样的布局。点击或者复制转到。该组件从API Version 7开始支持。后续版本如有新增内容,则采用上角标单独标记该内容的起始版本。

2401_82772199的博客 1478

【ArkUI】Grid布局

【ArkTS】Grid布局

owo_ovo的博客 1069

1.5元主控搞定高精度电流电压采集?STC8G1K08+INA180A3硬件设计全解析

本文详细解析了如何利用成本仅1.5元的STC8G1K08单片机与INA180A3电流检测放大器,构建一套高精度、低成本的电流电压采集系统。文章深入剖析了硬件设计精髓,包括利用MCU内部上拉电阻直驱数码管以节省成本、INA180A3的配置与计算,以及实现高频率采集并与上位机高速通信的软件策略,为嵌入式开发中的极致性价比设计提供了完整方案。

weixin_29166013的博客 601

HarmonyOS ArkTS List组件和Grid组件的使用(五)

HarmonyOS ArkTS List组件和Grid组件的使用

陈志宝‑天津|Android&Java 全栈开发工程师 3880

CCS环境下ADC采样波形的实时可视化调试技巧

本文详细介绍了在CCS环境下实现ADC采样波形实时可视化的调试技巧。通过数组缓存优化、多通道同步显示和波形测量工具的高级用法,帮助开发者高效调试嵌入式系统中的ADC采样问题,提升信号分析的准确性和效率。

weixin_33712987的博客 420

脑影像分析工具JuSpace:跨模态关联的神经递质系统研究利器

JuSpace是一款专业的脑影像分析软件,专为跨模态关联研究设计。它能够将功能或结构磁共振影像与神经递质PET/SPECT图谱进行空间关联分析,帮助研究者探索宏观脑影像异常与微观神经化学系统(如多巴胺、血清素)之间的潜在联系,是神经精神疾病机制研究的强大工具。

c2d3e4f的博客 544

鸿蒙5.0开发进阶:UI框架-ArkTS组件(Grid)

网格容器,由“行”和“列”分割的单元格所组成,通过指定“项目”所在的单元格做出各种各样的布局。

Androidbye的博客 1182

说一说系统/子系统规格说明

《系统/子系统规格说明》都是从用户的角度以软件的维度来描述系统的功能、性能、业务流程、数据流和控制流等,并描述内外部接口需求、资源使用情况等.

weixin_40725543的博客 5433

HarmonyOS ArkTS 创建网格 Grid/GridItem:写得顺、适配稳、滚动不卡的那套方法

HarmonyOS ArkTS 网格布局(Grid/GridItem)开发指南 本文系统介绍了鸿蒙ArkTS中网格布局的核心概念和实用方法: 基本概念:Grid作为容器定义行列划分,GridItem作为单元格放置内容 核心配置:通过rowsTemplate/columnsTemplate定义行列比例(使用fr单位),rowsGap/columnsGap设置间距 三种典型实现: 固定网格(九宫格/计算器) 可滚动网格(商品列表) 响应式网格(跨设备适配) 开发建议: GridItem内可灵活构建各种卡片布局

ccyi1的博客 605

TenserRt平台SMOKE 3D目标检测部署完整教程:从理论到实践

本教程详细介绍了在RK3588平台上部署SMOKE 3D目标检测模型的完整流程。SMOKE是一种创新的单阶段单目3D检测方法,通过关键点估计直接预测3D目标信息,有效解决了深度信息缺失等挑战。文章从理论基础出发,解析了SMOKE的核心算法和网络架构,包括DLA-34主干网络和关键点中心化策略。同时提供了详细的Docker环境配置、模型导出到ONNX格式的实践指南,以及TensorRT引擎构建和性能优化的关键技术要点。该教程为开发者在嵌入式平台上实现高效3D目标检测提供了完整的技术参考。

LXY_LOVE36的博客 373

GIS常用符号化色带(超级色带)根据python制作

GIS自带的色带比较单一,今天分享一款色带,应用之后大家出图的时候可以选择更多的配色,符号化/点击色块/样式引用/将样式添加至列表即可。色带类型比较多,大家可以自己尝试下不同的风格。简单符号化一下,看看效果。以中国县级行政区划为例,

J_Giser的博客 2640

【共创季稿事节】鸿蒙原生 ArkTS 布局深度解析:Grid 中 GridItem 的自适应尺寸

本文深入解析鸿蒙ArkTS中Grid布局的自适应特性,重点探讨GridItem通过aspectRatio修饰符实现多种比例的自适应布局方案。文章从基础概念入手,详细介绍Grid的核心属性与GridItem的尺寸计算规则,通过数学公式阐明aspectRatio的工作原理及其与CSS的区别。通过四个典型场景(正方形网格、横向/纵向矩形网格、容器约束混排)的实战代码,展示如何结合height与aspectRatio实现灵活响应式布局。每个案例均包含代码片段、关键参数说明和布局效果分析,为开发者提供了一套完整的网格

m0_67000457的博客 493

实战!C#整合YOLO+Halcon做玻璃瓶口缺陷检测:裂纹识别+尺寸测量一步到位(附DLL交互代码)

AI擅长语义识别(裂纹、缺陷),传统机器视觉擅长精密测量(尺寸、位置),C#做整合层,才能满足工业生产的“精度+效率+稳定性”要求。这套方案不只是玻璃瓶检测能用,改改模型和测量逻辑,还能用到瓶盖缺陷检测、饮料瓶液位检测等场景。如果你们厂也有类似的质检痛点,评论区留个言,我帮你看看怎么调整算法参数。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 871

鸿蒙原生 ArkTS 毛玻璃日历卡片组件

本文介绍了一个基于鸿蒙6.0/OpenHarmony API 12+ ArkUI框架开发的毛玻璃效果日历卡片组件Demo。该组件采用纯原生ArkTS(Stage模型)实现,主要展示了沉浸式毛玻璃效果(backgroundBlurStyle)、悬浮阴影、月份切换弹性动画(animateTo+Curve.Friction)、按压反馈(scale+animateTo)、日期高亮等特性。项目结构清晰,包含浅色/深色主题资源适配,通过Stack/Column/Row/Grid等布局组件和状态管理(@State)构建了

2501_90457493的博客 423

AI工具 | 每个打工人必备的15款人工智能超级工具

不过,还是有一些靠谱的人工智能平台,它们可不只是营销噱头。有些AI公司正试图改变游戏规则。人工智能工具让人们能够更聪明地工作,而不是更辛苦地劳作。如果你想知道未来有什么,那就来看看这10款人工智能工具吧,它们将彻底改变我们的工作方式。

Vampire_2017的博客 5万+

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")

HarmonyOS ArkTS图片画廊深度解析:Grid 宫格布局、条件渲染与 Emoji 可视化

摘要 本文介绍了一个基于ArkTS的图片画廊应用,展示了三个核心概念:Grid宫格布局、条件渲染和全局选中态。应用使用Emoji作为图片占位符,无需真实图片资源即可实现视觉体验。布局采用3列等宽网格(columnsTemplate('1fr 1fr 1fr')),支持图片点击高亮和上下切换功能。通过if条件渲染实现大图展示区的动态显示,并保持网格缩略图与展示区的选中状态同步。Grid布局适合规则网格场景,而List更适合单向滚动列表。该案例完整呈现了复杂交互界面的ArkTS实现方式。

2403_87838053的博客 384

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

【共创季稿事节】鸿蒙原生 ArkTS 布局实战:用 Grid 组件构建精美计算器数字键盘

本文介绍了如何在鸿蒙原生应用中使用ArkTS的Grid组件构建计算器数字键盘。主要内容包括: Grid布局的核心特性:行列模板、间距控制、跨列能力等 项目结构设计,采用数据驱动UI的方式 键盘数据模型定义和状态管理 Grid布局的具体实现,包括4列×5行的键盘设计 通过colSpan实现"0"键的跨列效果 使用Column作为外壳,通过layoutWeight控制显示区域和键盘区域的比例 文章展示了如何利用ArkTS和Grid组件高效构建复杂布局界面,体现了鸿蒙原生开发的简洁性和高效性。

m0_67000457的博客 438

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

React Native鸿蒙,HarmonyOS ArkTS API 24,useState会映射为 ArkUI 的 @State装饰器,实现状态的响应式更新

是用于与工作线程通信的很好的选择,它来自内置的 queue 模块。何性能改进,但实际上,我们还减少由于缓慢的 print()执行的线程串行化的风险。这里是一个修改版本的 main()函数,它只启动有限数量的工作线程,并使用。建一个严格定义大小的工作线程池,它将处理所有的并行工作,并通过一些线程安全的数。所以通常的想法是启动一些预定义数量的线程,它将从队列中消费工作项,直到完成。我们尝试解决的第一个问题是程序运行中未绑定限制的线程。我们现在能够解决的另一个问题是在线程中输出的潜在的有问题的打印。

2301_77888392的博客 955

【共创季稿事节】鸿蒙原生 ArkTS 布局深度解析:GridItem 跨行布局 —— rowStart / rowEnd 完全指南

本文深入解析鸿蒙ArkTS布局中的GridItem跨行功能,重点介绍rowStart和rowEnd属性的使用方法。文章首先概述Grid布局体系,包括columnsTemplate和rowsTemplate的定义方式。然后详细剖析rowStart/rowEnd的区间语义(左闭右开)和索引规则(从0开始),并通过可视化示例展示两个跨行GridItem的具体布局效果(一个跨3行,一个跨2行)。最后总结了跨行GridItem的排列顺序特点:设置了rowStart的GridItem会固定在指定行,不参与自动流式排列,

m0_67000457的博客 281

鸿蒙北向简易日历开发(附源码)

本文是记录笔者进行鸿蒙北向学习时,用ArkTs编写一个可以自适应屏幕的简易日历的开发过程。

2301_80667908的博客 1847

鸿蒙 ArkTS 实战:表格数据 Grid 学生成绩表

查看成绩表 → 点击排序 → 查看排序结果与平均分。页面自上而下分为五块区域:顶部返回栏(返回按钮 + 标题「表格数据」);表头行(姓名/年龄/城市/分数四列,蓝色背景白色文字);数据区(Grid5 行 4 列,斑马纹交替背景,分数列动态颜色);统计卡片(学生人数 + 平均分);排序按钮 + 使用提示文字。GridGrid() {Row() {}, ...)}, ...)Grid:列模板,表示 4 列等宽,每列占 1 份(fraction)。:行模板,表示 5 行等高,每行占 1 份。

qizayaoshuap的博客 223

前端转鸿蒙开发实战:ArkTS 语法 3 天快速上手,完成 1 个电商首页 Demo

本文为前端开发人员提供鸿蒙开发实战指南,通过ArkTS语法3天快速上手,完成电商首页Demo。文章详细介绍了环境搭建、ArkTS语法核心差异、电商组件开发及状态管理,帮助开发者顺利转型鸿蒙开发,拓展就业方向。

weixin_33742618的博客 503

鸿蒙原生ArkTS-鸿蒙6.0新特性-3D卡片翻转画廊

本文介绍了基于鸿蒙6.0新特性开发的"3D卡片翻转画廊"应用。项目采用ArkTS语言和ArkUI框架,主要技术亮点包括: 视觉效果:通过backgroundBlurStyle实现毛玻璃效果,利用shadow创建分层阴影系统增强立体感 动画交互:使用animateTo驱动弹性动画,实现3D卡片翻转、入场序列和按压反馈 状态管理:基于@State装饰器建立响应式UI系统 3D翻转技术:结合Y轴旋转和双面渲染实现卡片翻转效果 项目展示了鸿蒙6.0在UI动效、视觉表现和交互体验方面的能力升级,为开发者提供了沉浸式3

s1316339343的博客 520

HarmonyOS ArkTS API 24实现声明式 UI 框架与 @Builder 组件复用模式构建三标签页智能账单应用

食材保险App是一款基于鸿蒙ArkTS开发的单页面应用,核心解决两个生活痛点:一是家庭食材管理混乱、过期浪费严重;二是食材变质引发健康问题后缺乏保障机制。通过数字化的方式将食材采购、保鲜跟踪、保险理赔三个环节串联起来,用户只需在发现食材问题时一键发起理赔,系统自动审核并在1-3个工作日内完成赔付。本文围绕完整代码逐模块讲解,涵盖数据模型设计、响应式状态管理、弹框交互、列表渲染等核心功能。 项目采用单文件架构,所有代码集中在一个文件中,便于整体阅读和调试。实际工程中建议按组件拆分为独立文件。 设计要点:装饰器

qq_46340842的博客 168

【共创季稿事节】鸿蒙原生 ArkTS Grid 布局实战:从零构建管理后台 Dashboard 仪表盘

鸿蒙 ArkTS Grid 布局实战:构建管理后台 Dashboard 本文完整介绍了如何使用鸿蒙原生 ArkTS 中的 Grid 组件构建管理后台 Dashboard 仪表盘: 环境准备:需要 DevEco Studio 5.0+ 和 HarmonyOS NEXT SDK 项目结构:基于 Empty Ability 模板创建,核心文件是 Index.ets 布局挑战:解决内容密度高、卡片尺寸不统一、响应式适配等问题 Grid 核心: 使用 columnsTemplate 和 rowsTemplate 定义

zjxcq520的博客 1080
上一篇: 鸿蒙5.0开发进阶:UI框架-ArkTS组件(Grid)
下一篇: 鸿蒙5.0开发进阶:UI框架-ArkTS组件(Scroll)
懂你的大海
博客等级 码龄6年 9049粉丝 1381原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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