DialogFragment 的隐秘力量:超越对话框的 Fragment 生命周期管理艺术

Android Dialog:Dialog和DialogFragment的区别?DialogFragment如何使用?源码解析 Dialog在创建时会关联一个Context(上下文),并通过这个Context获取WindowManager服务,进而与WindowManager绑定,实现窗口的添加和管理。如果onCreateDialog不传递一个新的dialog,那么就会使用默认的,而布局,就是从onCreateView里面取,也就是requireView方法。Dialog是Android中用于显示一个浮动窗口的类,这个窗口会覆盖在当前的活动(Activity)或应用程序的顶部。我们可以看一下Dialog的源码。 阅读详情

DialogFragment 的隐秘力量:超越对话框的 Fragment 生命周期管理艺术

在 Android 开发的进阶之路上,DialogFragment 往往被简单地视为一个对话框容器,但它的真正价值远不止于此。作为一名经历过复杂业务场景的开发者,我发现 DialogFragment 的生命周期管理能力才是其最强大的武器。特别是在处理配置变更、后台任务联动和模块化架构时,DialogFragment 展现出了远超普通 Dialog 的健壮性和灵活性。本文将带你深入探索如何将 DialogFragment 作为完整的 Fragment 来驾驭,构建出既稳定又可测试的高质量 UI 模块。

1. 重新认识 DialogFragment 的生命周期本质

DialogFragment 本质上是一个承载了对话框界面的 Fragment,这意味着它继承了 Fragment 完整的生命周期管理体系。与普通 Dialog 相比,这种设计带来了几个关键优势:

  • 自动化的配置变更处理:屏幕旋转等配置变化时,DialogFragment 会自动重建并恢复状态,无需手动保存和恢复对话框状态
  • 完整的生命周期感知:可以精准地在 onCreate、onStart、onResume 等生命周期回调中处理业务逻辑
  • 更好的内存管理:作为 Fragment 的一部分,其生命周期与 Activity/Fragment 紧密关联,减少了内存泄漏风险

理解这些特性是掌握 DialogFragment 高级用法的基石。在实际项目中,我经常看到开发者仍然使用传统的 Dialog,然后在配置变更时遭遇各种状态丢失问题,而 DialogFragment 天然解决了这些痛点。

1.1 生命周期同步机制详解

DialogFragment 与宿主之间的生命周期同步是其最精妙的设计。以下是一个典型的使用场景:

class AdvancedDialogFragment : DialogFragment() {
    private var viewModel: DialogViewModel? = null
    
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        // 在 onCreate 中初始化关键组件
        viewModel = ViewModelProvider(this).get(DialogViewModel::class.java)
    }
    
    override fun onCreateView(
        inflater: LayoutInflater,
        container: ViewGroup?,
        savedInstanceState: Bundle?
    ): View? {
        // 膨胀布局并初始化视图
        return inflater.inflate(R.layout.dialog_custom, container, false)
    }
    
    override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
        super.onViewCreated(view, savedInstanceState)
        // 视图创建完成后进行数据绑定
        setupViewBindings()
        observeViewModel()
    }
    
    override fun onStart() {
        super.onStart()
        // 对话框即将可见时执行的操作
        startBackgroundTasks()
    }
    
    override fun onStop() {
        super.onStop()
        // 对话框即将隐藏时清理资源
        cleanupResources()
    }
}

这种生命周期感知能力使得 DialogFragment 可以优雅地处理各种边界情况,特别是在与 ViewModel 配合使用时,能够实现状态的高效管理和恢复。

2. 与 ViewModel 的深度集成模式

ViewModel 是 Android 架构组件的核心之一,与 DialogFragment 的结合可以创造出极其强大的状态管理方案。这种集成不仅解决了配置变更时的状态保持问题,还为复杂的业务逻辑提供了清晰的分离。

2.1 共享 ViewModel 的实践

在某些场景下,DialogFragment 需要与宿主 Activity 或其他 Fragment 共享数据状态。这时可以使用 Activity 范围的 ViewModel:

class SharedDataDialogFragment : DialogFragment() {
    private val sharedViewModel: SharedViewModel by activityViewModels()
    
    override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
        super.onViewCreated(view, savedInstanceState)
        
        sharedViewModel.userData.observe(viewLifecycleOwner) { userData ->
            // 更新对话框UI以反映共享数据的变化
            updateUI(userData)
        }
        
        binding.confirmButton.setOnClickListener {
            // 修改共享状态
            sharedViewModel.updateUserData(newData)
            dismiss()
        }
    }
}

这种模式特别适合用于数据编辑对话框或需要与多个界面组件交互的复杂对话框。

2.2 独立 ViewModel 的封装策略

对于自包含的复杂对话框,为其创建独立的 ViewModel 是更好的选择:

class IndependentDialogViewModel : ViewModel() {
    private val _dialogState = MutableLiveData<DialogState>()
    val dialogState: LiveData<DialogState> = _dialogState
    
    private val _completionEvent = MutableLiveData<Event<Boolean>>()
    val completionEvent: LiveData<Event<Boolean>> = _completionEvent
    
    fun performComplexOperation(data: InputData) {
        viewModelScope.launch {
            _dialogState.value = DialogState.Loading
            try {
                val result = repository.processData(data)
                _dialogState.value = DialogState.Success(result)
                _completionEvent.value = Event(true)
            } catch (e: Exception) {
                _dialogState.value = DialogState.Error(e.message)
                _completionEvent.value = Event(false)
            }
        }
    }
}

提示:使用 Event 包装器可以避免 LiveData 在配置变更后重新触发已处理的事件,这是避免重复操作的重要技巧。

3. 后台任务与状态联动的精密控制

在现代 Android 应用中,对话框经常需要与网络请求、数据库操作等后台任务紧密配合。DialogFragment 的生命周期感知能力为此提供了完美的解决方案。

3.1 协程与生命周期的高效结合

Kotlin 协程提供了出色的异步处理能力,与 DialogFragment 的生命周期结合可以实现精准的任务控制:

class TaskDialogFragment : DialogFragment() {
    private var dataLoadingJob: Job? = null
    
    override fun onStart() {
        super.onStart()
        startDataLoading()
    }
    
    override fun onStop() {
        super.onStop()
        // 当对话框不可见时取消后台任务
        dataLoadingJob?.cancel()
    }
    
    private fun startDataLoading() {
        dataLoadingJob = viewLifecycleOwner.lifecycleScope.launch {
            try {
                showLoadingState()
                val data = withContext(Dispatchers.IO) {
                    apiService.loadCriticalData()
                }
                showData(data)
            } catch (e: CancellationException) {
                // 任务被正常取消,无需处理
            } catch (e: Exception) {
                showErrorState(e)
            }
        }
    }
}

这种模式确保了当用户离开对话框时,相关的后台任务会被自动清理,避免了不必要的资源消耗和潜在的内存泄漏。

3.2 状态恢复的最佳实践

在处理可能被中断的长时间操作时,状态恢复机制显得尤为重要:

场景类型恢复策略实现复杂度
短时操作重新执行低
中时操作缓存中间结果中
长时操作持久化状态高

对于需要状态持久化的复杂场景,可以结合 SavedStateHandle 来实现:

class StatefulDialogViewModel(
    private val savedStateHandle: SavedStateHandle
) : ViewModel() {
    private val operationState = savedStateHandle.getLiveData<OperationState>("operation_state")
    
    fun saveIntermediateResult(state: OperationState) {
        savedStateHandle["operation_state"] = state
    }
    
    fun resumeOperation() {
        val currentState = operationState.value
        if (currentState != null) {
            // 从保存的状态继续操作
            continueFromState(currentState)
        }
    }
}

4. 在单 Activity 架构中的创新应用

随着现代 Android 开发向单 Activity 架构演进,DialogFragment 的角色变得更加重要。它不再仅仅是简单的对话框,而是成为了导航架构中的重要组成部分。

4.1 与 Navigation 组件的深度集成

Navigation 组件提供了声明式的导航管理,DialogFragment 可以完美融入这个体系:

// 在导航图中定义对话框目的地
<navigation 
    xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:app="http://schemas.android.com/apk/res/navigation"
    app:startDestination="@id/mainFragment">
    
    <dialog
        android:id="@+id/confirmationDialog"
        android:name="com.example.ConfirmationDialogFragment"
        android:label="ConfirmationDialog"
        app:arguments="@{userId}" />
</navigation>

// 在代码中导航到对话框
findNavController().navigate(
    R.id.confirmationDialog,
    ConfirmationDialogFragmentArgs(userId).toBundle()
)

这种集成方式带来了几个显著优势:

  • 统一的导航管理:所有界面跳转都在导航图中集中管理
  • 参数传递的类型安全:通过 Safe Args 确保参数类型的正确性
  • 深链接支持:可以直接通过 URL 打开特定的对话框

4.2 在 Compose 项目中的桥梁作用

即使是在全面采用 Jetpack Compose 的项目中,DialogFragment 仍然有其独特价值。它可以作为 Compose 与传统视图系统之间的桥梁,特别是在需要复用现有对话框组件或逐步迁移的场景中。

@Composable
fun ComposeScreen() {
    val context = LocalContext.current
    var showDialog by remember { mutableStateOf(false) }
    
    if (showDialog) {
        AndroidView(
            factory = { ctx ->
                val dialog = LegacyDialogFragment()
                dialog.show((ctx as FragmentActivity).supportFragmentManager, "tag")
                // 返回一个占位视图
                View(ctx)
            },
            update = { /* 更新逻辑 */ }
        )
    }
    
    Button(onClick = { showDialog = true }) {
        Text("显示传统对话框")
    }
}

这种混合 approach 允许团队在享受 Compose 现代化优势的同时,逐步迁移现有的对话框逻辑,而不是一次性重写所有内容。

在实际项目中运用这些高级技巧时,我发现最关键的是要根据具体业务需求选择合适的技术方案。没有一种方案是万能的,但理解 DialogFragment 的完整能力范围可以让你在面临技术选型时做出更明智的决策。特别是在处理复杂的业务流程和状态管理时,将 DialogFragment 作为完整的 Fragment 来对待,往往能够带来意想不到的架构简洁性和可维护性提升。

Fragment、DialogFragment和BottomSheetDialogFragment生命周期流程源码解析 一、Fragment 1.1 生命周期 官方网上的Fragment声明周期。 ​图 1 Fragment生命周期流程图 除了上述声明周期之外,也可以注册FragmentLifecycleCallbacks来插入更多Fragment状态的监听,具体有: public abstract static class FragmentLifecycleCallbacks { /** * Called right before the fragment's {@link Fragme 阅读详情

相关推荐

结合DialogFragment与ViewPager的Android交互式对话框设计

本文还有配套的精品资源,点击获取 简介:在Android开发中, DialogFragment 和 ViewPager 是创建对话框样式的弹出窗口和实现页面滑动切换的常用组件。本文将深入探讨如何将 DialogFragment 与 ViewPager 结合,以创建具有多页浏览功能的交互式对话框,包括如何自定义对话框样式...

weixin_35364187的博客 1000

DialogFramengt学习分享

initView();= null) {//初始化window相关表现 Window window = getDialog() . getWindow();//设置window宽高(单位px) window . getAttributes() . width = 700;//设置window位置:居中 window . getAttributes() . gravity = Gravity . CENTER;dismiss();});} }

qq_43867812的博客 1381

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

DialogmentFragment详细生命周期

DialogmentFragment详细的生命周期为: 1.onAttach(Activity): 当Activity与Fragment发生关联时调用(已废弃,但是还是调用了) 2.onAttach(Context):当Activity与Fragment发生关联时调用 3.onCreate(Bundle):初始化Fragment。可通过参数savedInstanceState获取之前保存的值 4....

weixin_33714884的博客 6118

Android开发之DialogFragment用法实例总结

主要介绍了Android开发之DialogFragment用法,结合实例形式总结分析了Android使用DialogFragment代替Dialog功能的相关使用技巧与注意事项,需要的朋友可以参考下

8、多导睡眠图记录中基于级联自适应滤波器的脑电图信号噪声去除

本文提出了一种基于三级级联自适应滤波器的新型方法,用于去除多导睡眠图(PSG)记录中脑电图(EEG)信号的常见伪迹,包括50/60 Hz电源线干扰、心电图(ECG)和眼电图(EOG)伪迹。该方法采用最小均方(LMS)算法,通过分阶段滤波有效分离并衰减各类噪声,在保留EEG关键神经节律信息的同时显著提升信号质量。研究利用MIT-BIH数据库中的18份真实PSG记录进行验证,结果表明该方法具有无相位失真、实现简单、自适应能力强等优势,适用于睡眠研究及脑机接口等生物医学应用领域。

banana的博客 174

DialogFragment

需要自定义复杂 UI 的对话框。= null!): View {) {// 初始化视图// 处理提交逻辑dismiss() // 关闭对话框。

xingyu19911016的博客 727

【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等

本专栏研究领域为【超分辨率重建】,涵盖图像超分、视频超分,实时超分,4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今,一般是一篇论文精读对应一篇论文复现。论文精读详解理论,归化繁为简,归纳核心,积累词句,培养阅读论文和论文写作能力。论文复现依托Pytorch代码,实现完整的模型训练流程,总结调参方法,记录碰到的bug,论文插图可视化,培养读写代码能力、做实验的能力、以及应用落地能力。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 3万+

android dialogfragment 生命周期,DialogFragment生命周期简介

之前一篇文章Dialog使用介绍介绍了DialogFragemnt的一些使用常识,本文来简单介绍DialogFragment常用的生命周期函数,调用顺序如下:onAttach -->onCreate-->onCreateDialog-->onCreateView-->onViewCreated-->onSaveInstanceState在onAttach里传入要att...

weixin_42513546的博客 2608

【WorkBuddy专栏52】Codex与WorkBuddy生态适配、用户争夺与未来走向(下)

【WorkBuddy专栏52】Codex与WorkBuddy在中国大陆的发展——生态适配、用户争夺与未来走向(下)

AI人人懂 683

Python爬虫教程:抓取地方政府网站的公开文件与政策信息

Web爬虫是指一种自动化脚本,用于模拟人类浏览器访问网页、提取网页内容的数据抓取工具。发送请求到目标网页;获取网页内容;解析网页内容,提取所需数据;将数据保存或进一步处理。爬虫可以抓取各种形式的数据,如文本、图片、文件等。本教程将重点展示如何抓取地方政府网站上公开的政策文件、公告等信息。许多政府网站都会采取一定的反爬虫措施,防止大量数据被爬取。IP封锁:如果短时间内大量请求来自同一IP,可能会被封锁。验证码:一些网站会使用验证码来验证访问者是否为机器人。动态加载。

2201_76125261的博客 1982

DialogFragment浅析

点击“奇舞移动技术”关注我们!前言Fragment是在Android 3.0提出的,为了兼容低版本,support-v4库也提供了一套Fragment 的API,这也是官...

QiwooMobile的博客 891

视觉-语言模型:BLIP与Flamingo如何理解图文?

视觉-语言模型:BLIP与Flamingo如何理解图文? ,人工智能,计算机视觉,大模型,AI,在当今人工智能飞速发展的时代,视觉 - 语言模型作为多模态领域的关键技术,正逐渐改变着我们与数字世界交互的方式。它们致力于打破图像与文本之间的模态壁垒,使计算机能够像人类一样,综合理解和处理视觉与语言信息。其中,BLIP 和 Flamingo 两款模型脱颖而出,以独特的架构和创新的训练方法,在图像描述生成、视觉问答、图文检索等任务中展现出卓越的性能。本文将深入剖析 BLIP 与 Flamingo 模型的工作原理。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 4万+

Android分析DialogFragment源码

原文地址:www.jianshu.com/p/ea0630a6c… 一. DialogFragment源码分析。 因为是Fragment,我们先从onCreate生命周期入手。 @Override public void onCreate(@Nullable Bundle savedInstanceState) { super.onCreate(savedInstance...

weixin_34268753的博客 243

基于Simulink的超级电容与锂电池混合储能协调控制仿真

摘要:本文介绍基于Simulink的光伏-混合储能系统(HESS)建模与仿真方法,通过超级电容和锂电池的协同控制实现功率平抑。系统采用直流耦合架构,利用一阶低通滤波法将总功率分解为低频(锂电池承担)和高频分量(超级电容承担),并设计SOC自平衡机制维持超级电容工作点。仿真结果表明,该方案可使锂电池电流波动降低62%,光伏功率波动率降至7.5%,有效延长电池寿命。文章详细展示了从主电路搭建、功率分配到闭环控制的完整实现步骤,为新能源系统储能优化提供实用参考。

amy_mhd的博客 136

【乐企文件生成工程】关于乐企文件生成工程的详细介绍

发票文件生成方式有两种思路:1、根据已有的OFD模板,动态替换ofd模板内容;之后将ofd转pdf(局限:单行问题不大)详情可以在此处了解2、根据html模板动态占位:该工程就是这种方式 ,目前效果良好,可看下图。拿去即用的源码!无任何保留,当然也并不是所有票种都支持(时间有限、精力有限、已经连着转了,要冒烟了…)

九七的博客 2033

dialogfragment生命周期

04-18 08:55:05.501 32141-32141/com.example.jenif.dialogfragment V/com.example.jenif.dialogfragment.dialog&gt;&gt;&gt;: onattach    oncreate    onCreateDialog04-18 08:55:05.529 32141-32141/com.example....

3143

嵌入式软考必备知识点:嵌入式系统开发中的重要概念和示例代码

在嵌入式软考中,有一些重要的知识点需要掌握,包括嵌入式系统的基本概念、编程语言、实时操作系统和硬件接口等。实时操作系统是一种专门设计用于嵌入式系统的操作系统,可以提供对任务调度、中断处理和资源管理等方面的支持。GPIO(通用输入输出):GPIO是嵌入式系统中常用的硬件接口,用于连接外部设备和嵌入式系统。以上是嵌入式软考中的一些必备知识点,包括嵌入式系统的基本概念、编程语言、实时操作系统和硬件接口。通过配置串口的波特率、数据位数和校验位等参数,可以实现与其他设备的可靠通信。一、嵌入式系统的基本概念。

PixeGO的博客 314

Fragment基本使用

1. Fragment概述 文章转载: Fragment基本使用

Venus 的博客 858

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

DialogFragment自定义布局和大小踩坑记

前言 最近需要做一个弹出框,里面包含两个可以左右滑动的fragment的,采用dialogFragment来实现的,在使用dialogFragment的时候遇到了一些坑,所以抽时间好好梳理一些dialogFragment的使用和注意的地方。 效果图 先给出实现的效果图 从效果图中可以看到,弹出框中包含全部和收藏两个fragment支持滑动和点击实现fragment的切换。弹出框的大小是自定义的。...

有图有真相 1万+

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 dialogfragment 生命周期,android – DialogFragment如何影响调用活动的生命周期...

如果我从一个活动启动一个DialogFragment,当我关闭DialogFragment时会发生什么?活动是否通过onResume状态?或者调用是否是正常的java调用,以便在DialogFragment关闭之前永远不会执行下一行?假设启动我的片段的方法是private void launchFragment(){ConfirmationDialog confirm = new Confirma...

weixin_35317737的博客 596

android view dialog,在Android MVVM架构中显示来自ViewModel的Dialog

如果通过用户输入直接触发对话框,例如单击按钮,则可以使用event参数获取对包含活动的临时引用 . 因此,如果要将click事件绑定到方法,请在xml中:android:layout_width="24dp"android:layout_height="24dp"android:onClick="@{model.onClicked}" />您的viewmodel可能会包含以下内容:publi...

weixin_42347763的博客 2573

fragment之间相互传数据、共享数据

在 Fragment 之间共享数据 Activity 中的两个或更多 Fragment 需要相互通信是一种很常见的现象。想象一下拆分视图 (master-detail) Fragment 的常见情况,假设您有一个 Fragment,在该 Fragment 中,用户从列表中选择一项,还有另一个 Fragment,用于显示选定项的内容。这种情况不太容易处理,因为这两个 Fragment 都需要定义某...

sometime here 875

FragmentDialog的使用

使用 DialogFragment 管理对话框可确保它能正确处理生命周期事件,如按“返回”按钮或旋转屏幕时。 此外,DialogFragment 类还可以将对话框的 UI 作为嵌入式组件在较大 UI 中重复使用,就像传统 Fragment 一样(例如,当你想对话框 UI 在大屏幕和小屏幕上具有不同外观时)。

woochen123的博客 5201

关于android中的dialogFragment详解

1.首先看一下DialogFragment的类的继承关系图 、 DialogFragment是Fragment的子类 ,因此生命周期的方法和Fragment的生命周期相同 2.使用DialogFragment的好处: 在android3.0之后谷歌推荐使用DialogFragment代替fragment,        好处(1):由于fragment的生命周期便于控制,而且Fragme

Android_wanyan的博客 2058

Dialog方式使用DialogFragment

Dialog方式使用DialogFragment 1、一般使用dialog都会创建带有2个构造方法的对象 参数1 :上下文 参数2:自定义的style 如果使用DialogFragment的话 (一般是v4.app包下的)在生命周期的onCreate的回调中自定义的style override fun onCreate(savedInstanceState: Bundle?) { ...

爷们 1433
上一篇: 从零到一:揭秘STM32如何驱动深度学习模型实现边缘智能
下一篇: 超越数据交换:SPI在STC15上的多从机架构与低功耗设计探索
code8
博客等级 码龄17年 65粉丝 1720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  | 博主筛选后可见
 
 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