Android关于适配的相关知识。

Android多屏幕适配学习笔记 我所在公司的产品以硬件为主,软件跟着特定的硬件平台走,所以,虽然从事着Android开发,却从来没有处理过多屏幕适配的问题。意识到这个可能成为自己的一个短板,所以在缺乏实践的情况下,先准备点理论知识,聊以慰藉。      1 常用单位       px:pixel //像素       in: inch //英寸       mm : 毫米       p 阅读详情

本文出自:http://www.androidlearner.net/android-multi-screen-about.html

http://blog.youkuaiyun.com/moruite/article/details/6028547

Android适配可以分为两个领域,一就是各版本间由于api的不同导致的适配,二就是不同屏幕分辨率的适配;

怎样适配多个版本?

 在Android系统中向下兼容性比较差,但是一个应用APP经过处理还是可以在各个版本间运行的。向下兼容性不好,不同版本的系统其API版本也不同,自然有些接口也不同,新的平台不能使用旧的API,旧的平台也使用不了新的API。

        为了应用APP有更好的兼容性,咱们可以利用高版本的SDK开发应用,并在程序运行时(Runtime)对应用所运行的平台判断,旧平台使用旧的API,而新平台可使用新的API,这样可以较好的提高软件兼容性。


        那么,如何在软件运行时做出这样的判断呢?答案下边揭晓:


  在Android SDK开发文档中有段话这样的话:

Check System Version at Runtime(在软件运行时检查判断系统版本)


Android provides a unique code for each platform version in theBuild constants class. Use these codes within your app to build conditions that ensure the code thatdepends on higher API levels is executed only when those APIs are available on the system.

private void setUpActionBar() {
    // Make sure we're running on Honeycomb or higher to use ActionBar APIs
    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.HONEYCOMB) {

         ActionBar actionBar = getActionBar();
         actionBar.setDisplayHomeAsUpEnabled(true);
    }
}


Note: When parsing XML resources, Android ignores XML attributes that aren’t supported by the current device. So you can safely use XML attributes thatare only supported by newer versions without worrying about older versions breaking when theyencounter that code. For example, if you set thetargetSdkVersion="11", your app includes the ActionBar by defaulton Android 3.0 and higher. To then add menu items to the action bar, you need to setandroid:showAsAction="ifRoom" in your menu resource XML. It's safe to do this in a cross-version XML file, because the older versions of Android simply ignore theshowAsAction attribute (that is, you do not need a separate version inres/menu-v11/).


           从上面可以知道Android为我们提供了一个常量类Build,其中最主要是Build中的两个内部类VERSION和VERSION_CODES,

VERSION表示当前系统版本的信息,其中就包括SDK的版本信息,用于成员SDK_INT表示;

对于VERSION_CODES在SDK开发文档中时这样描述的,Enumeration of the currently known SDK version codes. These are the values that can be found inSDK. Version numbers increment monotonically with each official platform release.

其成员就是一些从最早版本开始到当前运行的系统的一些版本号常量。

  在我们自己开发应用过程中,常常使用如下的代码形式判断运行新API还是旧的API:

    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.HONEYCOMB) 
    {
            // 包含新API的代码块
    }
    else
    {
            // 包含旧的API的代码块
    }

其中HONEYCOMB是Android一个版本的代号,也就是说如果当前系统的版本比这个版本高的话就用新的API否则就用旧的版本。

Android 不仅硬件种类众多,ui的适配一般通过layout布局去实现;

而对于 target sdk 对不同机器的兼容应该使用以下策略:

1.应该尽量使用较高版本的sdk去编译,android-build-path 中去设置
2.在使用相关的sdkapi时,应该针对明白对不同sdk去处理,对应一些int宏,实际上编译后会这些静态变量就会编程基础类型,所以是没有问题的;但是对于一些系统方法来说,只有高版本rom才有,对应开发环境就是Android.jar 最终安装后,会调用/system/xx/framwork.jar 里面的东西

所以最后总结一下:编译尽量用高版本,但是在处理特定函数时,应该根据build.version去处理区分处理。



怎样适配多种屏幕?

a.在manifest里定义你的程序支持的屏幕类型,相应代码如下:

<supports-screens android:resizeable=["true"| "false"]
android:smallScreens=["true" | "false"]   //是否支持小屏
android:normalScreens=["true" | "false"]  //是否支持中屏
android:largeScreens=["true" | "false"]   //是否支持大屏
android:xlargeScreens=["true" | "false"]  //是否支持超大屏
android:anyDensity=["true" | "false"]    //是否支持多种不同密度的屏幕
android:requiresSmallestWidthDp=”integer”
android:compatibleWidthLimitDp=”integer”
android:largestWidthLimitDp=”integer”/>

b.对不同大小的屏幕提供不同的layout:

  比如,如果需要对大小为large的屏幕提供支持,需要在res目录下新建一个文件夹layout-large/并提供layout。当然,也可以在res目录下建立layout-port和layout-land两个目录,里面分别放置竖屏和横屏两种布局文件,以适应对横屏竖屏自动切换。

c.对不同密度的屏幕提供不同的图片。
应尽量使用点9格式的图片,如需对密度为low的屏幕提供合适的图片,需新建文件夹drawable-ldpi/,并放入合适大小的图片。相应的,medium对应drawable-mdpi /,high对应drawable-hdpi/,extra high对应drawable-xhdpi/。
图片大小的确定:low:medium:high:extra high比例为3:4:6:8。举例来说,对于中等密度(medium)的屏幕你的图片像素大小为48×48,那么低密度(low)屏幕的图片大小应为36×36,高(high)的为72×72,extra high为96×96。

不同密度的屏幕对应的图片比例:

https://i-blog.csdnimg.cn/blog_migrate/6c4e87ae4898fb13c8c7d254d62ee51a.png

怎样进行语言适配呢?

语言适配需要在res文件夹下建立一些对应语言固定文件名的文件夹(因为系统要根据这个名字来确定用那种语言,当然是用户设置语言之后,系统根据这些文件夹,寻找对应的变量值),里面放上strings.xml这样的文件,里面对应的语言。

(关于更多相关的res下屏幕适配相关的文件命名规则,请参考官方文档:http://developer.android.com/guide/topics/resources/providing-resources.html)

For example:

其中values-en-rUS是指英语(美国),代码如下:

<?xml version="1.0" encoding="utf-8"?>
<resources>
    <string name="hello_world">Hello,World!</string>
</resources>
values-zh-rCN是指中文(简体),代码如下:

<?xml version="1.0" encoding="utf-8"?>
<resources>
    <string name="hello_world">你好,世界!</string>
</resources>
其中:语言文件对应的目录名字如下所示:

    android多国语言文件夹文件汇总如下:  
      
    中文(中国):values-zh-rCN  
      
    中文(台湾):values-zh-rTW  
      
    中文(香港):values-zh-rHK  
      
    英语(美国):values-en-rUS  
      
    英语(英国):values-en-rGB  
      
    英文(澳大利亚):values-en-rAU  
      
    英文(加拿大):values-en-rCA  
      
    英文(爱尔兰):values-en-rIE  
      
    英文(印度):values-en-rIN  
      
    英文(新西兰):values-en-rNZ  
      
    英文(新加坡):values-en-rSG  
      
    英文(南非):values-en-rZA  
      
    阿拉伯文(埃及):values-ar-rEG  
      
    阿拉伯文(以色列):values-ar-rIL  
      
    保加利亚文:  values-bg-rBG  
      
    加泰罗尼亚文:values-ca-rES  
      
    捷克文:values-cs-rCZ  
      
    丹麦文:values-da-rDK  
      
    德文(奥地利):values-de-rAT  
      
    德文(瑞士):values-de-rCH  
      
    德文(德国):values-de-rDE  
      
    德文(列支敦士登):values-de-rLI  
      
    希腊文:values-el-rGR  
      
    西班牙文(西班牙):values-es-rES  
      
    西班牙文(美国):values-es-rUS  
      
    芬兰文(芬兰):values-fi-rFI  
      
    法文(比利时):values-fr-rBE  
      
    法文(加拿大):values-fr-rCA  
      
    法文(瑞士):values-fr-rCH  
      
    法文(法国):values-fr-rFR  
      
    希伯来文:values-iw-rIL  
      
    印地文:values-hi-rIN  
      
    克罗里亚文:values-hr-rHR  
      
    匈牙利文:values-hu-rHU  
      
    印度尼西亚文:values-in-rID  
      
    意大利文(瑞士):values-it-rCH  
      
    意大利文(意大利):values-it-rIT  
      
    日文:values-ja-rJP  
      
    韩文:values-ko-rKR  
      
    立陶宛文:valueslt-rLT  
      
    拉脱维亚文:values-lv-rLV  
      
    挪威博克马尔文:values-nb-rNO  
      
    荷兰文(比利时):values-nl-BE  
      
    荷兰文(荷兰):values-nl-rNL  
      
    波兰文:values-pl-rPL  
      
    葡萄牙文(巴西):values-pt-rBR  
      
    葡萄牙文(葡萄牙):values-pt-rPT  
      
    罗马尼亚文:values-ro-rRO  
      
    俄文:values-ru-rRU  
      
    斯洛伐克文:values-sk-rSK  
      
    斯洛文尼亚文:values-sl-rSI  
      
    塞尔维亚文:values-sr-rRS  
      
    瑞典文:values-sv-rSE  
      
    泰文:values-th-rTH  
      
    塔加洛语:values-tl-rPH  
      
    土耳其文:values--r-rTR  
      
    乌克兰文:values-uk-rUA  
      
    越南文:values-vi-rVN  


 

1.术语和概念

术语

说明

备注

Screen size(屏幕尺寸)

指的是手机实际的物理尺寸,比如常用的2.8英寸,3.2英寸,3.5英寸,3.7英寸

摩托罗拉milestone手机是3.7英寸

Aspect Ratio(宽高比率)

指的是实际的物理尺寸宽高比率,分为long和nolong

Milestone是16:9,属于long

Resolution(分辨率)

和电脑的分辨率概念一样,指手机屏幕纵、横方向像素个数

Milestone是854*480

DPI(dot per inch)

每英寸像素数,如120dpi,160dpi等,假设QVGA(320*240)分辨率的屏幕物理尺寸是(2英寸*1.5英寸),dpi=160

可以反映屏幕的清晰度,用于缩放UI的

Density(密度)

屏幕里像素值浓度,resolution/Screen size可以反映出手机密度,

 

Density-independent pixel (dip)

指的是逻辑密度计算单位,dip和具体像素值的对应公式是dip/pixel=dpi值/160,也就是px = dp * (dpi / 160)

 

 

2. DPI值计算

比如:计算WVGA(800*480)分辨率,3.7英寸的密度DPI,如图1所示

 

               图1 

Diagonal pixel表示对角线的像素值(=),DPI=933/3.7=252

 

 

 

3.手机屏幕的分类

 

3.1根据手机屏幕密度(DPI)或屏幕尺寸大小分为以下3类,如图2所示

 

 

                         

                          图2

 

3. 2手机屏幕分类和像素密度的对应关系如表1所示:

 

Low density (120), ldpi

Medium density (160), mdpi

High density (240), hdpi

Small screen

QVGA (240x320)

 

 

Normal screen

WQVGA400 (240x400)WQVGA432 (240x432)

HVGA (320x480)

WVGA800 (480x800)WVGA854 (480x854)

Large screen

 

WVGA800* (480x800)WVGA854* (480x854)

 

                                      表1

3.3手机尺寸分布情况(http://developer.android.com/resources/dashboard/screens.html)如图3所示,目前主要是以分辨率为800*480和854*480的手机用户居多


                                                        图3

   从以上的屏幕尺寸分布情况上看,其实手机只要考虑3-4.5寸之间密度为1和1.5的手机

4 UI设计

从开发角度讲,应用程序会根据3类Android手机屏幕提供3套UI布局文件,但是相应界面图标也需要提供3套,如表2所示

Icon Type

Standard Asset Sizes (in Pixels), for Generalized Screen Densities

 

Low density screen (ldpi)

Medium density screen (mdpi)

High density screen (hdpi)

Launcher

36 x 36 px

48 x 48 px

72 x 72 px

Menu

36 x 36 px

48 x 48 px

72 x 72 px

Status Bar

24 x 24 px

32 x 32 px

48 x 48 px

Tab

24 x 24 px

32 x 32 px

48 x 48 px

Dialog

24 x 24 px

32 x 32 px

48 x 48 px

List View

24 x 24 px

32 x 32 px

48 x 48 px

                                        表2

5 如何做到自适应屏幕大小呢?

1)界面布局方面 

   需要根据物理尺寸的大小准备5套布局,layout(放一些通用布局xml文件,比如界面中顶部和底部的布局,不会随着屏幕大小变化,类似windos窗口的title bar),layout-small(屏幕尺寸小于3英寸左右的布局),layout-normal(屏幕尺寸小于4.5英寸左右),layout-large(4英寸-7英寸之间),layout-xlarge(7-10英寸之间)

2)图片资源方面 

  需要根据dpi值准备5套图片资源,drawable,drawalbe-ldpi,drawable-mdpi,drawable-hdpi,drawable-xhdpi

Android有个自动匹配机制去选择对应的布局和图片资源


笔记想做到这了。

Android 适配Dark Theme(暗黑模式) 将App 使用的主题从之前默认的 Light 主题修改为 DayNight右击res目录 -> New -> Directory,创建一个values-night目录,然后右击values-night目录 -> New -> Values resource file,创建一个colors-night.xml文件。接着在这个文件中指定深色主题下的颜色值,颜色的命名要与colors.xml相同。 阅读详情

相关推荐

电荷灵敏前置放大器噪声优化策略:从理论到实践

本文深入探讨了电荷灵敏前置放大器的噪声优化策略,从理论分析到实践应用。文章系统解析了并联电流噪声与串联电压噪声的来源,并引入噪声等效原理与“冷电容”模型作为统一分析工具。通过详解a、b、c三类噪声的频谱特性,为实战优化提供了清晰指导。核心策略包括选用高跨导、低漏电流FET,优化静态工作点,采用共源-共基结构,精心设计反馈网络,以及实施严格的PCB布局、屏蔽与接地,旨在全面提升微弱信号检测系统的信噪比。

weixin_29292431的博客 470

APP如何适配不同的Android版本

Android的最新版本会提供一些很棒的API,您的APP使用新版本API的同时也要兼容旧的Android版本,直到更多设备已更新到新版本的APP。本文档将向您展示如何利用最新的API,同时继续支持旧版本。 根据对访问Google Play商店的设备数量的统计,平台版本分布表会进行定期更新,以显示运行每个版本的Android设备的分布情况。一般来说,一个APP最好能支持大约90%的活动设备,同时...

jennyliliyang的博客 8009

保姆级教程:在紫光同创Titan2 FPGA上实现PCIe DMA,实测带宽接近理论极限

本文详细介绍了在紫光同创Titan2 FPGA上实现PCIe DMA性能调优的全过程,通过参数优化和架构设计,实测带宽达到6.91GB/s,接近理论极限。涵盖开发环境搭建、PCIe IP核定制、DMA引擎设计、驱动开发及性能调优等关键步骤,为FPGA开发者提供实用指南。

weixin_30954817的博客 336

屏幕适配、系统适配基础介绍

开始接触屏幕适配,写得比较粗糙,重在记录学习过程。

家豪W490678868 2739

UE5.3像素流送Docker化部署:从Linux服务器搭建到云端实时渲染

本文详细介绍了在Linux服务器上使用Docker容器化部署UE5.3像素流送服务的完整流程。通过将虚幻引擎运行时、信令服务器和TURN服务打包为标准化镜像,利用Docker Compose进行编排,实现了云端实时渲染应用的快速部署、环境一致与弹性扩展,有效解决了传统部署中的环境依赖与运维难题。

k0l1m2n3o的博客 201

BepInEx插件开发实战:用Visual Studio快速创建你的第一个Unity Mod(2024新版)

本文是2024年新版BepInEx插件开发实战指南,详细讲解如何使用Visual Studio快速创建你的第一个Unity Mod。内容涵盖专业开发环境搭建、插件生命周期解析、利用HarmonyX进行游戏代码注入、实现实时调试与热重载技巧,以及项目配置与打包发布全流程,助你从Mod使用者转变为创造者。

weixin_29002595的博客 342

Android 多版本Api适配

背景: Android从一开始发布到现在已经迭代了很多的版本了,其中一些API也经历了多次修改,比如开启相机之类的,在Android api 9之前相机开启就直接open了,但是Android Api 9之后,支持了多摄像头,为了相机的开启效率,将不推荐在直接使用open来开启相机了,而且在open时传递相机的ID以来区分具体开启哪颗摄像头。 这样在不同的Android版本下,可以就需要使

不投降的专栏 2367

最近腾讯手机管家a.gray.Bulimia.a病毒提示决解方案

仅供参考(个人问题已解决 未申诉) 用户反馈app提示病毒图如下 然后下载生产包去https://www.virustotal.com/gui/这个网站去检测 果真提示病毒 重新加版本 打了个包 未加固 检测没问有问题 同一个包用360加固之后再检测有问题 ,但是没有a.gray.Bulimia.a报病毒 然后再用应用宝加固检测也没问题,个人以前都是用360加固的,很尴尬啊 最重要的一点的是,更新一个版本号,其余的啥都没改,更新替换手机的原来版本app,腾讯手机.

村头那抠脚大叔的专栏 3万+

涉及Android手机屏幕适配的相关知识

涉及Android手机屏幕适配的相关知识

菜鸟的成长路径ing... 892

深入解析:使用Python进行T矩阵散射计算的完整指南

在物理学和工程学中,散射是一个至关重要的概念。当波(无论是光波、声波还是其他类型的波)遇到一个障碍物时,它会在多个方向上散开。为了理解和预测这种行为,我们需要进行数学建模和计算。其中,T矩阵方法是一种非常有效的工具。在开始计算之前,我们需要定义一些基础函数。"""计算T矩阵的一个元素。参数:- wave_vector: 波矢- scatterer_position: 散射体的位置- scatterer_properties: 散射体的性质(如大小、形状等)返回:- T矩阵的一个元素。

qq_38334677的博客 1056

国社科基金申报书“选题与说明依据”用AI怎么写?借助Gemini 3 Pro一次理清研究演进逻辑

研究进展部分要明确指出已有研究的不足与局限,比如方法不足、数据或材料受限、研究视角单一等等局限,之后要找准研究切入点,自然引申出自己的研究问题。为提升课题申报书的质量,学术史梳理要遵循述评结合、中外结合、新老结合的原则,不仅“述”,更要“评”,兼顾国内研究与国际学术动态,统筹经典研究与最新成果。它是对选题的整体概述,需阐明研究的具体问题、视角以及核心概念。2)存在问题或争议:结合已有研究或实践现状,指出该领域在理论建构、测量工具、实践应用或研究结论方面仍存在的不足、空白或争议,明确研究的必要性;

智能AI让学术科研更容易 943

Android UI适配相关知识

在Android开发中,由于Android碎片化严重,屏幕分辨率千奇百怪,而想要在各种分辨率的设备上显示基本一致的效果,适配成本越来越高。 先来介绍下基本概念 1、分辨率: 分辨率就是手机屏幕的像素点数,“宽×高”,安卓手机屏幕常见的分辨率有480×800、720×1280、1080×1920等。 2、屏幕大小: 屏幕大小是手机对角线的物理尺寸,以英寸(inch)为单位。比如5寸手机,对角线的尺寸...

just Go! 393

微信小程序一键跳转公众号(使用 official-account 组件)

在当今移动互联网时代,用户体验已成为应用成功的关键因素之一。微信小程序作为一种便捷的应用形式,广泛应用于各个行业,为用户提供了丰富的服务和信息。然而,如何进一步提升用户体验,使其在小程序中能够更方便地获取相关信息,成为开发者需要关注的重要课题。实现一键跳转到公众号的功能,正是一个有效的解决方案。通过这一功能,用户可以轻松访问公众号,获取更多内容和服务,从而增强与品牌的互动和粘性。本文将详细介绍如何在微信小程序中实现这一功能,并提供相关的操作步骤和注意事项。

不迁怒,不贰过。小知识,大智慧。 3128

Android 屏幕适配相关知识

这周第一次接触了视觉交互部门的稿件,要根据那边制定的视觉规范,编写适应所有Android机型的XML布局文件。这篇博客把自己学到的Android适配相关的知识记录下来,以便日后开发时查阅。基础知识Android屏幕适配相关的一些基本概念: 像素:px 是英文单词pixel的缩写,意为像素,屏幕上的点。我们通常所说的分辨率如480X800就是指的像素。在设计领域中,像素是用来计算数码影像的最小单位

seven_forjob的专栏 704

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

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")

Android屏幕适配相关知识

大部分资料摘自优快云大神郭霖的博客和公众号文章 dpi (dot per inch) 表示屏幕密度,是指每英寸上的像素点数。Android将根据不同的dpi将Android设备分成多个显示级别。具体如下: dp: 同称dip(density independent pixel 直译“密度无关像素”) 在Android中,将屏幕密度为160dpi的中

LWK 的专栏 2142

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。

STM32 PWM深度解析:从LED调光到电机调速的工程实践

PWM(脉冲宽度调制)是一种通过调节方波占空比来控制平均功率输出的数字技术,其核心原理是利用开关管的高频通断实现等效模拟量控制,相比DAC具备抗干扰强、驱动效率高的优势。在嵌入式开发中,STM32定时器硬件PWM可精准输出多路独立波形,广泛应用于LED亮度调节、直流电机调速、开关电源及背光控制等场景。针对STM32 PWM配置,需重点关注定时器时钟计算、GPIO复用推挽模式选择、PWM模式1与模式2的极性差异,以及不同负载下的频率选取策略。

weixin_34252686的博客 473

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

android多屏幕适配相关知识和官方翻译文档

1、基本知识,看这里:http://www.androidlearner.net/android-multi-screen-about.html 2、官网翻译,   1)、适配不同尺寸屏幕-Supporting Different Screens                http://wiki.eoeandroid.com/Supporting_Different_Screen

scry5566的专栏 1554

android 适配相关知识(二) -- 自动生成swNdp适配方案

本文介绍了Android系统的适配处理方式,并且给出一个半自动化的 sw<N>dp 解决方案。

sunsteam的博客 1417

Android Adapter(适配器)的一些相关知识点

相信有比较多的老铁可能学习Android的时候,使用列表(ListView或者RecyclerView)时,可能遇到“当数据源datas明显有更新 了,调用adapter.notifyDataSetChanged()方法却不见列表有刷新”,楼主当时也遇到过 TOT 解决:由于自己的数据,List datas=new ArrayList(), datas再次创建对象,导致与adapter绑定的...

风火神 295

android 适配相关知识(一) -- density dpi px dp dip sp 解释

android 适配相关知识(一) – density dpi px dp dip sp解释

sunsteam的博客 921

捋一下android知识点(1)—— Dalvik和ART相关(发展史/适配)

近期忙完了一个TV的项目,因为不想让自己的涉猎面变窄(其实自问还是有太多不懂的地方),其他不会用(明明就是小白一只),只关注TV开发。故端正态度,系统的捋一下安卓的知识点,并且进行一些进阶的尝试。总结的知识树来进行复习和深入学习。这个是简化版,是根据之前有一张别人总结的但自己不知道出处的图来进行重画的,加了一点自己的总结,以后会继续完善。希望自控力很差的自己可以坚持下去,成为习惯。 总结了几个大...

G_storm_G的博客 363

安卓基础(点击项目)

【代码】安卓基础(点击项目)

hongsegeming的博客 199

android适配性报告,关于Android的多种屏幕适配

严格来说,作为读者,你应该带着批判性质的眼光来看这篇文章,因为这篇文章是一个尚未通读Android官方开发资料《Supporting Multiple Screens》的纯产品人员所写,相关理解来源于零星的资料、实践以及和开发人员的沟通,此文章更多为目前盆地个人理解的总结。我会给自己定下目标,早日通读官方资料,此文中的相关错误,也请予以指正。一、Android支持的多种屏幕传统意义上,一般是是这么...

weixin_39908588的博客 251

android常用两种适配器,Android常见设计模式五:适配器模式

对于开发人员来说,设计模式有时候就是一道坎,但是设计模式又非常有用,过了这道坎,它可以让你水平提高一个档次。而在android开发中,必要的了解一些设计模式又是必须的,因为设计模式在Android源码中,可以说是无处不在。对于想系统的学习设计模式的同学,这里推荐一本书,《大话设计模式》。Android常用设计模式系列:适配器模式适配器模式是非常常见的设计模式之一,写个笔记,记录一下我的学习过程和心...

weixin_30568317的博客 386

你需要知道的Android拍照适配方案

你需要知道的Android拍照适配方案

牛崽的博客 253
上一篇: Android学习笔记之资源文件resource/raw和assets各自的特点。
下一篇: 关于Android屏幕横竖之间的切换,研究心得。
RockCode_li
博客等级 码龄12年 3粉丝 17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