xutils图片参数

ImageOptions imageOption = new ImageOptions.Builder()
        .setSize(DensityUtil.dip2px(120), DensityUtil.dip2px(120))//图片大小
        .setRadius(DensityUtil.dip2px(5))//ImageView圆角半径
        .setCrop(true)// 如果ImageView的大小不是定义为wrap_content, 不要crop.
        .setImageScaleType(ImageView.ScaleType.CENTER_CROP)
        .setLoadingDrawableId(R.mipmap.ic_launcher)//加载中默认显示图片
        .setFailureDrawableId(R.mipmap.ic_launcher)//加载失败后默认显示图片

.build();

ImageOptions imageOptions = new ImageOptions.Builder()
         .setSize(DensityUtil.dip2px(120), DensityUtil.dip2px(120))
         .setRadius(DensityUtil.dip2px(5))
         // 如果ImageView的大小不是定义为wrap_content, 不要crop.
         .setCrop(true)
         // 加载中或错误图片的ScaleType
         //.setPlaceholderScaleType(ImageView.ScaleType.MATRIX)
         .setImageScaleType(ImageView.ScaleType.CENTER_CROP)
         //设置加载过程中的图片
         .setLoadingDrawableId(R.drawable.ic_launcher)
         //设置加载失败后的图片
         .setFailureDrawableId(R.drawable.ic_launcher)
         //设置使用缓存
         .setUseMemCache(true)
         //设置支持gif
         .setIgnoreGif(false)
         //设置显示圆形图片
         .setCircular(false)
         .setSquare(true)
         .build();

TensorFlow的utils模块提供了多种实用功能,以下是一些常见功能及使用方法: ### plot_model功能 TensorFlow的`plot_model`功能强大,可在模型设计完后进行检验、总结与展示。使用`tf.keras.utils.plot_model`函数可以将模型结构保存为图片,示例代码如下: ```python import tensorflow as tf # 假设model是已经定义好的模型 tf.keras.utils.plot_model(model, to_file='model.png') ``` 此功能可直观呈现模型结构,便于开发者查看模型的层次和连接关系等[^1]。 ### tensorflow.keras.utils.Sequence的使用 在使用Keras时,一般用`model.fit()`传入训练数据,`fit()`可接受多种类型的数据,其中`tensorflow.keras.utils.Sequence`与Python generator类似,但限制较少,可迁移性更好。它适合在处理大规模数据时,按批次生成数据,避免一次性加载所有数据到内存中。不过在使用时,需要自定义一个继承自`tensorflow.keras.utils.Sequence`的类,并实现`__getitem__`和`__len__`方法等[^2]。 ### model_stats函数 `model_stats`函数用于统计模型中可训练变量的信息,包括每个可训练变量的形状、名称以及总的可训练参数数量,示例代码如下: ```python import tensorflow as tf import numpy as np def model_stats(): print("============================================================") print("List of all Trainable Variables") tvars = tf.trainable_variables() all_params = [] for idx, v in enumerate(tvars): print(" var {:3}: {:15} {}".format(idx, str(v.get_shape()), v.name)) num_params = 1 param_list = v.get_shape().as_list() if(len(param_list)>1): for p in param_list: if(p>0): num_params = num_params * int(p) else: all_params.append(param_list[0]) all_params.append(num_params) print("Total number of trainable parameters {}".format(np.sum(all_params))) ``` 调用该函数即可输出模型可训练变量的详细信息,有助于了解模型的规模和复杂度[^3]。 ### tf.keras.utils.get_file函数的使用 `tf.keras.utils.get_file`函数用于从给定的URL下载文件到本地。函数的参数如下: ```python tf.keras.utils.get_file( fname, origin, untar=False, md5_hash=None, file_hash=None, cache_subdir='datasets', hash_algorithm='auto', extract=False, archive_format='auto', cache_dir=None ) ``` 其中,`fname`是下载后保存的文件名,`origin`是文件的原始URL地址。该函数可用于下载数据集等资源,并可进行解压等操作[^4]。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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