九宫格--xib,MVC封装

本文介绍了一种使用Objective-C实现iOS应用列表视图的方法,包括模型定义、视图组件搭建及控制器布局逻辑。通过解析plist文件加载应用图标和名称,并以定制化的视图展示。

-------------------------------Model声明-----------------------

#import <Foundation/Foundation.h>


@interface CZApp : NSObject

//创建能够描述数据源plist文件key的属性

//应用名称

@property (nonatomic,copy) NSString *name;

//应用图标

@property (nonatomic,copy) NSString *icon;


//对象方法,返回当前模型对象

- (instancetype) initWithDic:(NSDictionary *)dic;

//类方法,返回当前 模型对象

+ (instancetype) appWithDic:(NSDictionary *)dic;


//模型类的成员:返回字典数组

+ (NSArray *) apps;

@end

-------------------------------Model实现-----------------------

#import "CZApp.h"


@implementation CZApp


//对象方法,返回当前模型对象

- (instancetype)initWithDic:(NSDictionary *)dic

{

    if (self=[super init]) {

        self.name=dic[@"name"];

        self.icon=dic[@"icon"];

    }

    return  self;

}

//类方法,返回当前 模型对象

+ (instancetype)appWithDic:(NSDictionary *)dic

{

    return [[self alloc] initWithDic:dic];

}


//返回当前 plist文件中的数据 ,以字典的形式存储在数组中

+ (NSArray *)apps

{

    //对修改封闭--修改局部类

    //1.获取数据源  字典数组

    NSArray *sourceArr=[NSArray arrayWithContentsOfFile:[[NSBundle mainBundle] pathForResource:@"app.plist" ofType:nil]];

    //2.将字典数组转换为模型数组

    //创建可变的模型数组

    NSMutableArray *desArr=[NSMutableArray array];

        //2.1.遍历原始的字典数组

    for (NSDictionary *dic in sourceArr) {

        //2.2:将当前字典转换为模型

        //CZApp *app=[[CZApp alloc] initWithDic:dic];

        CZApp *app=[CZApp appWithDic:dic];

        [desArr addObject:app];

    }

    return  desArr;

}


@end


-------------------------------View声明-----------------------

#import <UIKit/UIKit.h>

@class CZApp;


@interface CZAppView : UIView

//1.返回当前 自定义的view

+ (instancetype) appView;


//2.为当前 view中的成员赋值

@property (nonatomic,strong) CZApp *app;


@end

-------------------------------View实现-----------------------

#import "CZAppView.h"

#import "CZApp.h"


@interface CZAppView ()

@property (weak, nonatomic) IBOutlet UIImageView *iconView;

@property (weak, nonatomic) IBOutlet UILabel *nameView;


@end


@implementation CZAppView


+ (instancetype)appView

{

    return [[[NSBundle mainBundle] loadNibNamed:@"CZAppView" owner:nil options:nil] lastObject];

}

//重写属性的setter方法

- (void)setApp:(CZApp *)app

{

    _app=app;

    //tag本身不直观 如果以后tag值有变化 ,那么代码需要修改

    self.iconView.image=[UIImage imageNamed:app.icon];

    self.nameView.text=app.name;

}

@end

-----------------------------Controller实现-----------------------

#import "ViewController.h"

#import "CZApp.h"

#import "CZAppView.h"


#define cnt 3


@interface ViewController ()

//创建模型数组

@property (nonatomic,strong) NSArray *apps;

@end


@implementation ViewController

//懒加载

- (NSArray *)apps

{

    if(_apps==NULL)

    {

        _apps=[CZApp apps];

    }

    return  _apps;

}


- (void)viewDidLoad {

    [super viewDidLoad];

    //设置间距

    CGFloat padding=15;

    //2.循环创建appView

    for (int i=0; i<self.apps.count; i++) {

        //创建自定义view

        CZAppView *appView=[CZAppView appView];

        CGFloat width=appView.frame.size.width;

        CGFloat height=appView.frame.size.height;

        //计算appView水平坐标

        CGFloat appViewX=padding+(i%cnt)*(padding+width);

        CGFloat appViewY=padding+(i/cnt)*(padding+height);

        

        //2.设置通过xib创建的viewframe

        appView.frame=CGRectMake(appViewX, appViewY, width,height);

        //添加到控制器的view

        [self.view addSubview:appView];


        CZApp *app=self.apps[i];

        //xib创建的view的子控件赋值

        //[appView setApp:app];

        appView.app=app;

    }

}

@end





内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
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