公司实习不到两周的总结and感想

本文记录了一位新手从零开始学习Android开发的过程,包括阅读官方文档遇到的挑战、自学Java的经历以及如何逐步深入理解Android应用架构。

通过最近差不多接近2周的学习,也算是首次接触Android到现在,当然在这之前JAVA学的也是非常的浅薄,大约花了不到一个月的时间研究了Java,最后开发了一个基于TCP的多线程UI聊天程序,然后直接就到了一个公司去实习,公司做的主要是车载芯片,以及车载系统,以及基于这些开发一些主要的应用程序,需要用到Java,然后我就算开始着手学习Java。

开始时老大让我主要看Android Developer文档,这个文档涵盖的内容尤其的多,可以说包含着Android开发的每一块内容,看的开始还是非常痛苦,一个是全英文,里面的许多专有名词完全不知道怎么去翻译、解释。从Android fragment,Android compoment,intent and intend filter,process and thread,Android user inteface,Android manifest.xml文档,最后到multia and Camera。我花了差不多一周的时间将其大致上看完了,当然看的相对来说非常的草,后面再看code时候就灰常痛苦了,在加上Java学的不是很牢,甚至一些语法上的问题,都需要去找谷歌或百度,这种问题真的很不好意思去问别人,因为忒丢人了。这些问题直到今天,才发现这两周的时间我到底做了什么,似乎一直在打着酱油,俗称酱油党。后来找了一些关于Android开发的导读性文档,比如罗邵阳,很厉害的一个人,对Android的研究可以说就是从上应用程序层,到下面硬件驱动层,感觉自己未来学习的路实在太长了。但是任何问题都是这样来的,坚持慢慢来。

老罗的有一篇文章提到的几组词语挺好的:梦想,学习,坚持,自信,淡定。是的,保持谦逊的态度,一步一个脚印,走的踏实一点,Ibeliver my dream will come true.

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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