【Android自定义View】测量和绘制浅析

1.View的测量

在onMeasure()方法中进行,

MeasureSpec类:是一个32位的int值,高两位为测量模式,低30位为测量的大小

测量模式可分为三种:

a.EXACTLY:精确模式,当我们将控件宽度或高度指定为具体数值时,或者"match_parent"时

b.AT_MOST:最大值模式,当控件的宽度和高度指定为wrap_content时

c.UNSPECIFIED:

View类默认的onMeasure()方法只支持EXACTLY测量模式,所以如果自定义控件的时候不重写onMeasure()方法,就只能使用EXACTLY测量模式,如果想让自定义控件支持"wrap_content"属性,则必须重写onMeasure方法。

测量完成后还要调用setMeasuredDimwnsion(measuredWidth,measuredHeight)将测量后的宽高值设置进去

    @Override
    protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec) {
        int widthMax = 10000;
        int heightMax = 10000;
        int widthMode = MeasureSpec.getMode(widthMeasureSpec);
        int widthSize = MeasureSpec.getSize(widthMeasureSpec);
        int heightMode = MeasureSpec.getMode(heightMeasureSpec);
        int heightSize = MeasureSpec.getSize(heightMeasureSpec);

        setMeasuredDimension(widthMode == MeasureSpec.EXACTLY ? widthSize : Math.min(widthMax, widthSize),
                heightMode == MeasureSpec.EXACTLY ? heightSize : Math.min(heightMax, heightSize));

    }
2.View的绘制

在onDraw()方法中进行,在Canvas对象上来绘制所需要的图形

Canvas相当于一个画板,onDraw()方法中有一个参数是Canvas对象,使用这个Canvas对象可以进行绘图,但在其他地方,通常需要创建一个Canvas对象,

Canvas canvas = new Canvas(bitmap);
传进去的Bitmap对象与通过这个Bitmap创建的Canvas对象是紧紧联系在一起的,这个过程称之为装载画布,这个bitmap用于存储所有绘制在Canvas上的像素信息。

在onDraw()方法中可以绘制Bitmap,然后装载到另一个Canvas对象中,让View重绘,但是并没有直接绘制在onDraw方法指定的那块画布上

canvas.drawBitmap(bitmap,0,0,null);

Canvas mCanvas = new Canvas(bitmap);
3.ViewGroup的测量

当ViewGroup的大小为wrap_content时,ViewGroup需要对子View进行遍历,调用每一个View的measure方法来获得每一个子View的测量结果,以便获得子View的大小,从而来决定自己的大小。而在其它模式下则会通过具体的指定值来设置自身的大小。

在自定义ViewGroup时,如果需要支持wrap_content属性,也需要重写onMeasure方法。

4.ViewGroup的绘制

ViewGroup通常情况下不用绘制,如果不是被指定了ViewGroup的背景颜色,连ViewGroup的onDraw()方法都不会被调用,但是ViewGroup会使用dispatchDraw()方法来绘制其子View,其过程同样是遍历所有子View,并调用子View的绘制方法。


onMeasure()的两个参数

  1. 父View是EXACTLY,子view的大小指定为确定值,则给子view的建议大小是子view自己设置的大小,规格为EXACTLY。
  2. 父View是EXACTLY,子view的大小指定为MATCH_PARENT,则给子view的建议大小是父view剩下的大小,规格为EXACTLY。
  3. 父View是EXACTLY,子view的大小指定为WRAP_CONTENT,则给子view的建议大小是父view剩下的大小,规格为AT_MOST。
  4. 父View是AT_MOST,子view的大小指定为确定值,则给子view的建议大小是子view自己设置的大小,规格为EXACTLY。
  5. 父View是AT_MOST,子view的大小指定为MATCH_PARENT,则给子view的建议大小是父view剩下的大小,规格为AT_MOST。
  6. 父View是AT_MOST,子view的大小指定为WRAP_CONTENT,则给子view的建议大小是父view剩下的大小,规格为AT_MOST。
  7. 父View是UNSPECIFIED,子view的大小指定为确定值,则给子view的建议大小是子view自己设置的大小,规格为EXACTLY。
  8. 父View是UNSPECIFIED,子view的大小指定为MATCH_PARENT,则给子view的建议大小0,规格为UNSPECIFIED。
  9. 父View是UNSPECIFIED,子view的大小指定为WRAP_CONTENT,则给子view的建议大小0,规格为UNSPECIFIED。





内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
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