ios 约束（七）

ChasingDreamsCoder ChasingDreamsCoder 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 400+累计阅读 447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10年
关注
原创 最新推荐文章于 2026-03-23 09:14:53 发布 447 阅读 AI 写同款· GEO 优化 ›
FPGA图像形态学处理：膨胀与腐蚀算法实现 图像形态学处理是计算机视觉中的基础技术，通过结构元素对图像进行拓扑结构分析。其核心原理基于集合论，利用膨胀和腐蚀两种基本操作实现图像特征的增强或抑制。FPGA凭借其并行计算架构，特别适合实现这类需要高吞吐量的滑动窗口算法。在硬件实现时，通过行缓冲结构和流水线设计，可以显著提升处理效率。典型应用包括工业检测中的缺陷识别、医学图像分割等场景。本文以Xilinx Artix-7开发板为例，详细解析了形态学算法的Verilog实现与优化技巧，涵盖从3×3滑动窗口设计到时序收敛等工程实践要点。 阅读详情

用宏来创建约束规则

    用约束规则来排布控件的位置是相当可靠的。不过，就其本身来说，他们非常繁琐而且特别冗长。开发者要一次又一次的编写很难懂的方法调用语句。

    约束规则调用起来也特别麻烦。一个简单的拼写错误就会耗费很多时间，而且许多应用程序所使用的约束规则都是一样的。如果可以预先定义一些宏，那么就能把排布视图所用的代码写的更易懂且更加可靠。假如要把某视图与另外一个视图居中对齐，那么直接使用名为CENTER_VIEW的宏就好，而不用每次都编写约束规则并调试他们。

宏

    这些宏以一种相当简单的方式来产生约束规则。请注意，他们并不把创建出来的NSLayoutConstraint对象返回给调用者，而是将这些约束规则添加到适当的视图里。如果需要获取这些新创建好的约束规则，以便稍后移除，那么可以自己添加一些能返回相关约束规则的宏。

#define PREPCONSTRAINTS(VIEW) [VIEW setTranslatesAutoresizingMaskIntoConstraints:NO]
#define CONSTRAIN(PARENT,VIEW,FORMAT) [PARENT addConstraints:[NSLayoutConstraint constraintsWithVisualFormat:(FORMAT) options:0 metrics:nil views:NSDictionaryOfVariableBindings(VIEW)]]
#define CONSTRAIN_VIEWS(PARENT,FORMAT,BINDINGS) [PARENT addConstraints:[NSLayoutConstraint constraintsWithVisualFormat:(FORMAT) options:0 metrics:nil views:BINDINGS]]

#define STRETCH_VIEW_H(PARENT,VIEW) CONSTRAIN(PARENT,VIEW,@"H:|["#VIEW"(>=0)]|")

#define STRETCH_VIEW_V(PARENT,VIEW) CONSTRAIN(PARENT,VIEW,@"V:|["#VIEW"(>=0)]|")
#define STRETCH_VIEW(PARENT,VIEW) {STRETCH_VIEW_H(PARENT,VIEW);STRETCH_VIEW_V(PARENT,VIEW)}

#define CENTER_VIEW_H(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeCenterX relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeCenterX multiplier:1 constant:0]]
#define CENTER_VIEW_V(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeCenterY relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeCenterY multiplier:1 constant:0]]
#define CENTER_VIEW(PARENT,VIEW) {ENTER_VIEW_H(PARENT,VIEW);ENTER_VIEW_V(PARENT,VIEW)}

#define ALIGN_VIEW_LEFT(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeLeft relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeLeft multiplier:1 constant:0]]

#define ALIGN_VIEW_RIGHT(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeRight relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeRight multiplier:1 constant:0]]

#define ALIGN_VIEW_TOP(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeTop relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeTop multiplier:1 constant:0]]

#define ALIGN_VIEW_BOTTOM(PARENT,VIEW) [PARENT addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeBottom relatedBy:NSLayoutRelationEqual toItem:PARENT attribute:NSLayoutAttributeBottom multiplier:1 constant:0]]

#define CONSTRAIN_WIDTH(VIEW,WIDTH) [VIEW addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeWidth relatedBy:NSLayoutRelationEqual toItem:nil attribute:NSLayoutAttributeNotAnAttribute multiplier:1 constant:WIDTH]]

#define CONSTRAIN_HEIGHT(VIEW,HEIGHT) [VIEW addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeHeight relatedBy:NSLayoutRelationEqual toItem:nil attribute:NSLayoutAttributeNotAnAttribute multiplier:1 constant:HEIGHT]]

#define CONSTRAIN_SIZE(VIEW,HEIGHT,WIDTH) {CONSTRAIN_WIDTH(VIEW,WIDTH);CONSTRAIN_HEIGHT(VIEW,HEIGHT)}

#define CONTRAIN_ASPECT(VIEW,ASPECT) [VIEW addConstraint:[NSLayoutConstraint constraintWithItem:VIEW attribute:NSLayoutAttributeWidth relatedBy:NSLayoutRelationEqual toItem:VIEW attribute:NSLayoutAttributeHeight multiplier:(ASPECT) constant:0]]

#define CONTRAIN_ORDER_H(PARENT,VIEW1,VIEW2) [PARENT addConstraints:[NSLayoutConstraint constraintsWithVisualFormat:(@"H:["#VIEW1"]->=0-["#VIEW2"]") options:0 metrics:nil views:NSDictionaryOfVariableBindings(VIEW1,VIEW2)]]

#define CONTRAIN_ORDER_V(PARENT,VIEW1,VIEW2) [PARENT addConstraints:[NSLayoutConstraint constraintsWithVisualFormat:(@"V:["#VIEW1"]->=0-["#VIEW2"]") options:0 metrics:nil views:NSDictionaryOfVariableBindings(VIEW1,VIEW2)]]

收录于
iOS

当前文章被收录于：

iOS
64 篇文章 0 人学习
订阅专栏 查看详情
标签
#iOS #约束
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。
iOS在纯代码中使用AutoLayout添加约束 AutoLayout约束是苹果官方给定得约束信息。对于这个约束和UIView+AutoLayout.h延展的用法类似，不过加上了延展之后，不用写VFL语言 下面先看看以autolayout实现的效果为例我们讲解一下 下面开始上代码以用户名和密码为例，来说说， UITextField * userNameTextFiled = [[UITextField all... 阅读详情

相关推荐

IOS之Masonry约束的使用

IOS之Masonry约束的使用 Masonry是做约束的，类似苹果开发的约束，做屏幕的适配，有xib开发，纯代码开发，storyboard约束等其他第三方框架。 pod 加入 pod 'Masonry', '~> 1.1.0' 懒得加版本直接写 pod 'Masonry' pod install安装的时候，默认给你安装最新版本。截止我发稿的时候，2021年11月份，版本更新到1.1.0，我用软件只用最新版本。旧版本不用 需要用的地方包含一下头文件#import <Masonry/Mas

A1521315qwss的博客 1363

IOS之constraints

anyway, you can do this with auto layout. You can do it entirely in IB as of Xcode 5.1. Let's start with some views: The light green view has an aspect ratio of 4:1. The dark green view has an aspe...

weixin_30748995的博客 201

[iOS] 关于UIScrollView的自动化布局约束

在iOS 6.0之后，引入了自动化布局约束，大大减轻了开发者关于界面布局的负担。但在对UIScrollView控件进行自动化布局时，常常会出现一些约束错误，主要原因是有些开发者不太清楚UIScrollView如何通过约束来计算contentSize的属性值，本文将对其原理以及使用方法进行简要叙述。.........

分享日常工作中遇到的种种问题 1106

iOS 基础 - 约束布局

xib 设置 代码 设置 三方框架

LOLITA0164的博客 1万+

iOS小技能：以动画的形式更新Masonry约束、宽高比约束、约束优先级、九宫格布局

1. iOS Masonry以动画的形式更新约束 >应用场景：筛选视图的显示与隐藏的时候带上动画来提升用户体验 3. 利用dividedBy进行九宫格布局 4. Masonry约束宽高比的例子demo】

专注于计算机研发知识和资讯分享 1万+

【ios】当xib对控件约束后，用代码进行约束的修改

将约束进行strong引用，对constant进行修改，注意如果weak的话会进行提前release self.top.constant+= 100 ; self.height.constant+= 100 ; 参考： https://blog.youkuaiyun.com/u010713935/article/details/54617983?utm_source=blogkpcl10

weixin_48618536的博客 990

iOS：原生代码添加约束

Width：对视图宽度的约束 Height：对视图高度的约束 Horizontal Spacing：对视图间水平距离的约束 Vertical Spacing：对视图间垂直距离的约束 Leading Space to Superview：与父视图左边界的约束 Trailing Space to Superview：与父视图右边界的约束 Top Space to Superview：与父视图上边界的约束 Bottom Space to Superview：与父视图下边界的约束 Widths Equally：视图

韩博主 1710

iOS动画教程：使用约束进行动画制作

本文深入探讨了在iOS开发中如何利用UIView的constraints属性进行动画制作。通过代码示例和实际操作，展示了如何动态修改约束以实现动画效果，包括水平居中、垂直对齐等，并通过编程方式动态添加和移除约束。此外，还介绍了如何在Interface Builder中为约束设置唯一标识符以便于运行时快速获取和修改。

weixin_31776191的博客 540

IOS之NSLayoutConstraint布局约束详解

IOS 布局约束 小白的福音 NSLayoutConstraint

watertekhqx的博客 3476

✨使用 vLLM + Docker 部署 Qwen3-Embedding-8B 并实现高效文本向量生成（附 `curl` 测试）

本文介绍了如何使用 vLLM 和 Docker 部署 Qwen3-Embedding-8B 嵌入模型服务，并通过标准 OpenAI 兼容接口进行调用和结果解析。如果你在部署中遇到任何问题，欢迎留言讨论！

用大模型重构生活：猫奴程序员的AI智能日常记录 6237

抖音批量取消关注神器：5行JS代码搞定，告别手动操作（附详细步骤）

本文介绍了一种利用JS脚本在抖音创作者平台批量取消关注的高效方法。通过浏览器开发者工具执行简单的JavaScript代码，即可自动化模拟点击操作，快速清理大量关注列表，告别繁琐的手动操作。文中提供了详细的步骤和核心代码，适合有一定技术基础的用户参考。

weixin_29009971的博客 595

ios 约束（一）

1、什么是约束     约束就是一系列描述iOS程序视图布局的规则。他们限定了视图之间的关系，也限定了视图的布局形式。使用约束时。我们可以说“这些视图在水平方向上必须对齐”，或是“此视图必须根据另一个视图来调整自身高度，以便与之相符”。约束向开发者提供了一套布局语言，使得可以向视图里添加约束，并以此来描述各视图的空间关系。     iOS负责通过一套约束满足系统来实现这些布局需

ChasingDreamsCoder的博客 1136

COD论文笔记VSCode: General Visual Salient and Camouflaged Object Detection with 2D Prompt Learning

VSCode模型通过引入领域特定提示和任务特定提示，结合提示区分损失，成功地在单一模型中处理多个显著目标检测和伪装目标检测任务。这种方法不仅提高了模型的性能，还展示了其对未见任务的泛化能力。作者使用 Visual saliency transformer ICCV 2021 作为baseline model这张图展示了VSCode模型的整体框架，特别强调了2D提示学习方法。

985小菜鸡 1625

ios 约束（二）

1、约束系统的运作规律     可以认为约束系统所用的数学算是非常严格，实际上它们只是个参考。iOS会找到对符合约束的一种布局方案，有的时候，这种方案不止一套。下面给出约束系统的一些基本特征：     1、约束规则描述的是关系，而不一定是视图在某个方向上的属性。未必非要在知道右边界的情况下才能算出左边界。     2、每条约束规则都有其优先级。优先级的取值范围是从0到10

ChasingDreamsCoder的博客 890

中断向量表配置不当引发Default_Handler死循环问题解析

本文深入解析STM32开发中因中断向量表配置不当导致的Default_Handler死循环问题。以STM32F407VET6为例，详细阐述中断向量表的工作原理、常见触发场景及系统化排查方法，并提供使用STM32CubeMX的正确姿势和手动配置的注意事项，帮助开发者快速定位并解决这一常见难题。

grafana6viz的博客 178

小米15修复“NV损坏” 去除主板校验电阻步骤解析与图示

小米15系列将搭载骁龙8至尊版处理器，采用台积电3nm工艺。文章分析了手机出现"NV损坏"故障的表现及修复方法，包括通信异常、系统启动问题等典型症状，并介绍了去除主板校验电阻和刷写工程固件两种修复方案。重点讲解了去除主板电阻后刷写QCN文件的操作流程，强调在维修过程中需要结合分析与思考。适用于小米15系列特定机型(24129PN74G/I/C)的硬件修复。

小马哥的专栏 311

iOS之UIScrollview添加约束图文详解

转：http://www.jianshu.com/p/e4a12061776d 文／codingZero（简书作者） 原文链接：http://www.jianshu.com/p/e4a12061776d 著作权归作者所有，转载请联系作者获得授权，并标注“简书作者”。 前言 在iOS开发中，autolayout是一个很强大的东西，用好了，能让你事半功倍，用不好，各种

smilebigdear的专栏 3982

Android车载音频系统概览

官网有些部分的内容描述比较简单，对没有app、系统和底层开发经验，容易一眼扫过，没有留意到相关细节。 本节补充车载音频相关细节。

hwj的博客 785

iOS - XIB之AutoLayout添加约束

XIB——AutoLayout添加约束 仿QQ登录界面： 说明：以下各图背景红色只是方便看清楚； 1.创建工程：创建xib文件 2.打开xib文件： (1).创建头像： 拖控件：uiimageview——》放到任意位置——》点击Align键，Pin键；如下图： 此时：就可以对控件任意约束了： 说明：由于时间原因，没介绍的以后慢慢自己琢磨； Align键：Horizontally: 垂直居中对齐

gongyuhonglou的博客 2514

YOLOv11改进策略【Neck】| GSConv+Slim Neck：混合深度可分离卷积和标准卷积的轻量化网络设计

实时检测器架构的轻量级设计GsConv。

Limiiiing的博客 2310

【深度学习新浪潮】Qwen门控注意力斩获NeurIPS 2025最佳论文！技术解析与代码实现

Qwen团队的门控注意力机制获得NeurIPS 2025最佳论文，不仅是中国AI研究的重大突破，更是大模型架构创新的重要里程碑。这项研究证明，通过巧妙的架构设计，可以在不显著增加计算成本的前提下，大幅提升模型性能。正如论文所展示的，用一个极其简单的改动，同时解决了Transformer架构中的多个核心问题，这正是优秀研究的价值所在。该技术已成功应用于Qwen3大模型，为通义千问系列产品的性能提升提供了坚实的技术支撑。轻量化大模型设计多模态统一架构专用领域大模型优化边缘计算场景部署。

专注：太空算力、AI infra、异构调度、大模型成本工程 569

iOS AutoLayout Xcode约束教程

Today we will look into iOS AutoLayout in Xcode. We’ll implement and use AutoLayout and Constraint in our storyboards. These components are vital in keeping the storyboards designs consistent across s...

从零开始的教程世界 913

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")

ios 自动布局添加删除约束

虽然现在都用Masonry布局，但还是记录一下，以备不时之需。 NSLayoutConstraint *constraint = [NSLayoutConstraint constraintWithItem:playBtn // 要添加约束的view attribute:NSLayoutAttributeWidth // 要添加的约束属性 relatedBy:NSLayoutRelationEqu...

u011248221的博客 3636

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

iOS Auto Layout原理与约束系统深度解析(10)

在iOS开发早期，开发者主要使用`frame`属性进行视图布局，这种方式在多设备适配场景下存在诸多弊端。随着iPhone屏幕尺寸增多、iPad设备引入，基于`frame`的布局方式难以适应动态变化的屏幕环境。为此，苹果在iOS 6引入Auto Layout，通过约束系统实现视图间关系的声明式布局，解决多设备适配难题。

Android开发领域创作者 1881

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

iOS 练习项目 Landmarks （四）：添加 AutoLayout 约束

iOS 练习项目 Landmarks （四）：添加 AutoLayout 约束

ProgramNovice的博客 945

iOS 快速定位约束冲突

iOS 快速定位约束冲突 什么是约束冲突 当你使用 AutoLayout 布局，你添加的约束不满足或者会造成系统布局冲突的时候，控制台就会打印冲突日志。 约束冲突示例 [LayoutConstraints] Unable to simultaneously satisfy constraints. Probably at least one of the constraints in the following list is one you don't want. Try this: (1)

小桥流水哗啦啦，iOS Coder 哒哒哒 2919
上一篇： ios 约束（六）
下一篇： swift 基本类型
点赞 0
评论 0
书签 书签 0
ChasingDreamsCoder
ChasingDreamsCoder
博客等级 码龄10年 5粉丝 85原创
+ 关注 专栏目录 订阅专栏
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
 
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