iOS开发学习笔记 UITableview

本文介绍如何使用UITableview在iOS应用中展示简单的文字和图片列表。通过代码实现了列表的数据加载及显示,并提供了完整的实现步骤。

预备

    1.工程勾选支持ARC
    2.利用IB拖一个UITableview并且连接委托




代码

       用UITableview实现简单的文字和图片显示

 
    #import <UIKit/UIKit.h>  
      
    @interface ViewController : UIViewController  
      
    @property (strong,nonatomic) IBOutlet UITableView *mtableview;  
    @property (strong,nonatomic) NSArray *list; //存储列表数据  
      
    @end  

    #import "ViewController.h"  
      
    @interface ViewController ()  
      
    @end  
      
    @implementation ViewController  
      
    @synthesize mtableview,list;  
      
    - (void)viewDidLoad  
    {  
        [super viewDidLoad];  
        // Do any additional setup after loading the view, typically from a nib.  
        NSArray *array = [[NSArray alloc]initWithObjects:@"NO.1",@"NO.2",@"NO.3",@"NO.4",@"NO.5",@"NO.6", nil];  
        list = array;  
    }  
      
    - (void)viewDidUnload  
    {  
        [super viewDidUnload];  
        // Release any retained subviews of the main view.  
    }  
      
    - (BOOL)shouldAutorotateToInterfaceOrientation:(UIInterfaceOrientation)interfaceOrientation  
    {  
        return (interfaceOrientation != UIInterfaceOrientationPortraitUpsideDown);  
    }  
      
    //数据源委托  
    //tableView一共有多少行数据  
    - (NSInteger)tableView:(UITableView *)tableView numberOfRowsInSection:(NSInteger)section  
    {  
        return [list count];  
    }  
      
    //每行数据的内容  
    - (UITableViewCell *)tableView:(UITableView *)tableView cellForRowAtIndexPath:(NSIndexPath *)indexPath  
    {  
        static NSString *tableViewIdentifier = @"tableViewIdentifier";  
        UITableViewCell *cell = [tableView dequeueReusableCellWithIdentifier:tableViewIdentifier];  
        if (cell == nil)  
        {  
            cell = [[UITableViewCell alloc]initWithStyle:UITableViewCellStyleDefault   
                                         reuseIdentifier:tableViewIdentifier];  
        }  
          
        NSUInteger row = [indexPath row];  
        cell.textLabel.text = [list objectAtIndex:row];  
          
        //添加图片  
        UIImage *image = [UIImage imageNamed:@"1.png"];  
        [cell.imageView setImage:image];  
          
        return cell;  
    }  
      
    @end  




效果图







        如有错误、疑问或者任何不合理的地方,请指教。谢谢。

训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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