16.04.05

本文介绍了iOS UI设计的基础知识,包括命名规范、AppDelegate头文件使用、UILabel的应用等,并解析了一个简单的神经网络实现案例。

一、iOSUI

1、关于一些命名和叫法

今天和朋友闲聊,iOS的写法是开头第一个字母为小写,第二到第三个字母为大写,据说hr看到有人连iOS都写不对就直接把简历扔掉了,真是恐怖~~
还有以前老师讲课的时候说过,在oc里面function不能叫做函数,要叫做方法,这个也顺便记下来吧

2、头文件AppDelegate

这个头文件一般是在- (BOOL)application:(UIApplication *)application didFinishLaunchingWithOptions:(NSDictionary *)launchOptions方法内开始编程。

3、self.window

在AppDelegate内设计界面的话需要先把self.window设置好,因为界面内任何的view(视图)都是window的subview(暂时翻译成子视图吧- -),参考代码如下

    self.window = [[UIWindow alloc] initWithFrame:[UIScreen mainScreen].bounds];//初始化window与屏幕一样大
    self.window.rootViewController = [[UIViewController alloc] init];//初始化rootViewController
    [self.window makeKeyAndVisible];//使window可见
    [self.window setBackgroundColor:[UIColor whiteColor]];//设置window背景色为白色,default is nil.默认是黑色的 

4、UILabel

定义:

UILabel *label = [[UILabel alloc]initWithFrame:CGRectMake(70, 80, 200, 50)];//定义一个label,坐标为(70,80),长200,宽50,注意这是相对于父视图的坐标系

常见的属性应用:

UILabel *label = [[UILabel alloc] initWithFrame:CGRectMake(100, 100, 100, 300)];
    label.backgroundColor = [UIColor orangeColor];
    //设置文本内容
    label.text = @"hello world";
    //设置文本颜色
    label.textColor = [UIColor redColor];
    //设置文本的字体大小
    //默认是17
    label.font = [UIFont systemFontOfSize:30];
    //设置粗体
   label.font = [UIFont boldSystemFontOfSize:30];
    //设置斜体
    label.font = [UIFont italicSystemFontOfSize:30];
    //设置文本对齐样式
    label.textAlignment = NSTextAlignmentCenter;
    //默认是1行,设置为0就会自动换行
    label.numberOfLines = 0;
    //给self.window添加子视图
    [self.window addSubview:label];

效果图(与代码无关):UILabel

二、《如何用70行Java代码实现深度神经网络算法》解析(未完)[1]

1、文章缺陷

文章声称实现的是深度神经算法,但是这并非深度学习,感觉可能大概是bp神经网络而已。

2、数据结构图解

以神经网络各层层数为(2,4,4,2)为例
layer和layerErr二维数组的初始化
layer和layerErr
layer_weight和layer_weight_delta三维数组的初始化
layer_weight和layer_weight_delta
说明一下,layer_weight和layer_weight_delta(下面简称为layer_weight)值指的是红线所代表的值,根据介绍每个值是从0~1的随机的双精度数。图片中只标了起点向外的连线和终点向外的连线,红线起点是从第一个到最后一个是显而易见的,但要注意的是终点是从第一个到倒数第二个,这点要注意区分。(怎么看起来那么不可靠的样子,千万不要坑我啊这代码我可是看了三周了)
引用资料:
[1]《如何用70行Java代码实现深度神经网络算法》http://geek.youkuaiyun.com/news/detail/56086

内容概要:本文介绍了一套针对智能穿戴设备的跑步/骑行轨迹记录系统实战方案,旨在解决传统运动APP存在的定位漂移、数据断层和路径分析单一等问题。系统基于北斗+GPS双模定位、惯性测量单元(IMU)和海拔传感器,实现高精度轨迹采集,并通过卡尔曼滤波算法修正定位误差,在信号弱环境下利用惯性导航补位,确保轨迹连续性。系统支持跑步与骑行两种场景的差异化功能,包括实时轨迹记录、多维度路径分析(如配速、坡度、能耗)、数据可视化(地图标注、曲线图、3D回放)、异常提醒及智能优化建议,并可通过蓝牙/Wi-Fi同步数据至手机APP,支持社交分享与专业软件导出。技术架构涵盖硬件层、设备端与手机端软件层以及云端数据存储,强调低功耗设计与用户体验优化。经过实测验证,系统在定位精度、续航能力和场景识别准确率方面均达到预期指标,具备良好的实用性和扩展性。; 适合人群:具备一定嵌入式开发或移动应用开发经验,熟悉物联网、传感器融合与数据可视化的技术人员,尤其是从事智能穿戴设备、运动健康类产品研发的工程师和产品经理;也适合高校相关专业学生作为项目实践参考。; 使用场景及目标:① 开发高精度运动轨迹记录功能,解决GPS漂移与断点问题;② 实现跑步与骑行场景下的差异化数据分析与个性化反馈;③ 构建完整的“终端采集-手机展示-云端存储”系统闭环,支持社交互动与商业拓展;④ 掌握低功耗优化、多源数据融合、动态功耗调节等关键技术在穿戴设备中的落地应用。; 阅读建议:此资源以真实项目为导向,不仅提供详细的技术实现路径,还包含硬件选型、测试验证与商业扩展思路,建议读者结合自身开发环境,逐步实现各模块功能,重点关注定位优化算法、功耗控制策略与跨平台数据同步机制的设计与调优。
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