使用RecyclerView展示瀑布流的效果

RecyclerView瀑布流优化方案探讨(1),一线互联网移动架构师Android框架体系架构 RecyclerView莫名的Inconsistency detected崩溃;出现这个异常原因:使用RecyclerView加官方下拉刷新的时候,如果绑定的List对象在更新数据之前进行了clear,而这时用户紧接着迅速上滑RV,就会造成崩溃,而且异常不会报到你的代码上,属于RV内部错误。自定义一个CustomStaggeredGridLayoutManager 在onLayoutChildren对异常进行捕获:@Overridetry { 阅读详情

第一步:

     关联库文件:

        


第二步:布局.xml

<android.support.v7.widget.RecyclerView
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:id="@+id/recyler_view">
 </android.support.v7.widget.RecyclerView>


第三步:在主类中初始化控件

   //查找我们的控件函数

   private void initView() {

           mRecyclerView = (RecyclerView) findViewById(R.id.recyler_view);

   }


第四步:在主类中通过方法,添加一个menu菜单选项,效果如下:



    方法:
 //加载一个menu菜单
    @Override
    public boolean onCreateOptionsMenu(Menu menu) {
        getMenuInflater().inflate(R.menu.activity_menu,menu);
        return true;
    }

    //菜单按钮点击事件处理函数
    @Override
    public boolean onOptionsItemSelected(MenuItem item) {
        int itemId=item.getItemId();
        //E staggered显示
        if (itemId==R.id.action_staggered_normal){
            //标准显示
            loadstaggeredDate(false,true); //自定义的一个bean类
            return true;
        }// B 垂直反向显示
        else if (itemId==R.id.action_staggered_normal_reverse){
            loadstaggeredDate(true,true);
        }// C 水平标准显示
        else if (itemId==R.id.action_staggered_horizontal){
            loadstaggeredDate(false,false);
        }// D 水平反向显示
        else if (itemId==R.id.action_staggered_horizontal_reverse){
            loadstaggeredDate(true,false);
        }

        return super.onOptionsItemSelected(item);
    }


loadstaggeredDate函数:

//E RecyclerView实现瀑布流的效果,实际就是布局管理器参数改为StaggeredGridLayoutManger
    private void loadstaggeredDate(Boolean isversion,Boolean orientation) {
        //创建一个集合,泛型是DetaBean
        ArrayList<DateBean> dates=new ArrayList<>();
        //给Bean类放数据,最后把装好数据的Bean类放到集合里面!!
        int t = 0;
        for(int x=0; x< 35; x++){
            //创建Bean类对象
            DateBean dateBean=new DateBean(); //DateBean是一个Bean类!!
            if (x < image.length){
                dateBean.icon=image[x];
            }else {
                if (t<image.length){
                    dateBean.icon=image[t++];
                }else {
                    t=0;
                }

            }

            dateBean.name="wsw你好"+x;
            //把Bean类放入集合
            dates.add(dateBean);
        }
        //创建适配器对象  参数一般有两个,上下文和数据加载集合
        RecyclerViewStaggeredGridAdapter recyclerViewStaggeredGridAdapter = new RecyclerViewStaggeredGridAdapter(this, dates);
        // 1 设置适配器
        mRecyclerView.setAdapter(recyclerViewStaggeredGridAdapter);
        //E  布局管理器所需要的参数  参数1 规定显示几列  参数2 指定item排列方式
        StaggeredGridLayoutManager staggeredGridLayoutManager = new StaggeredGridLayoutManager(2, orientation ? StaggeredGridLayoutManager.VERTICAL : StaggeredGridLayoutManager.HORIZONTAL);

        //通过布局管理器可以控制条目排列顺序  true:方向  false:正常显示
        staggeredGridLayoutManager.setReverseLayout(isversion);

        //2 设置布局管理器,参数GridLayoutManager,可以使
        mRecyclerView.setLayoutManager(staggeredGridLayoutManager);

    }


RecyclerViewStaggeredGridAdapter是我们自定义的适配器类,就是为了展示listview效果

// 提示:RecyclerViewStaggeredGridAdapter和RecyclerViewGridAdapter相比,代码一样,就是改了item的布局
//RecyclerView 的适配器,注意指定泛型,一般我们就是类型的ViewHolder继承ViewHolder(内部已经实现了优化)
public class RecyclerViewStaggeredGridAdapter extends RecyclerView.Adapter<RecyclerViewStaggeredGridAdapter.StaggeredGridViewHolder> {
    private Context mContext;
    //泛型是RecylerView所需的Bean类
    private List<DateBean> mDateBeen;

    //构造方法,一般需要接受两个参数,上下文,集合对象(包含我们所需要的数据)
    public RecyclerViewStaggeredGridAdapter(Context context, ArrayList<DateBean> dates) {
        mContext = context;
        mDateBeen = dates;
    }


    //创建ViewHolder也就是说创建出来一条,并把ViewHolder(item)返回出去
    @Override
    public StaggeredGridViewHolder onCreateViewHolder(ViewGroup parent, int viewType) {
        //转换一个View布局对象,决定了item的样子, 参数1:上下文 2. xml布局对象 3.为null
        View view = View.inflate(mContext, R.layout.activity_staggeredgridview, null);
        //创建一个ViewHolder对象
        StaggeredGridViewHolder StaggeredGridViewHolder = new StaggeredGridViewHolder(view);
        //把ViewHolder对象传出去
        return StaggeredGridViewHolder;
    }

    @Override
    public void onBindViewHolder(StaggeredGridViewHolder holder, int position) {
        //从集合里拿对应item的数据对象
        DateBean dateBean = mDateBeen.get(position);
        //给holder里面的控件对象设置数据

        holder.setData(dateBean);
    }

    @Override
    public int getItemCount() {
        //数据不为null,有几条数据就显示几条数据
        if (mDateBeen != null && mDateBeen.size() > 0) {
            return mDateBeen.size();
        }
        return 0;
    }

    public class StaggeredGridViewHolder extends RecyclerView.ViewHolder {

        private final ImageView mIvIcon;
        private final TextView mTvName;

        public StaggeredGridViewHolder(View itemView) {
            super(itemView);
            mIvIcon = (ImageView) itemView.findViewById(R.id.item_staggered_iv_icon);
            mTvName = (TextView) itemView.findViewById(R.id.item_staggered_tv_icon);
        }

        public void setData(DateBean data) {
            //给imageView设置图片
            mIvIcon.setImageResource(data.icon);
            //给TextView设置文本
            mTvName.setText(data.name);
        }
    }
}



activity_staggeredgridview.xml代码如下:

<RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"
              android:orientation="vertical"
              android:gravity="center"
              android:layout_width="match_parent"
              android:layout_height="wrap_content">

    <ImageView
        android:adjustViewBounds="true"
        android:layout_width="wrap_content"
        android:layout_height="wrap_content"
        android:scaleType="centerInside"
        android:id="@+id/item_staggered_iv_icon"
        />

    <TextView
        android:id="@+id/item_staggered_tv_icon"
        android:layout_width="0dp"
        android:layout_height="0dp"
        android:textSize="20sp"
        android:textStyle="bold"
        android:text="图片描述"
        />
</RelativeLayout>


效果展示:


      


Android中利用RecyclerView实现瀑布流效果 RecyclerView相比于传统的ListView,功能更加强大,使用也比较方便,因此Android官方更加推荐使用RecycleView,未来也会有更多的程序逐渐从ListView转向RecycleView。为此,首先先来了解下RecycleView的用法。 RecycleView属于新增的控件,为了让RecyclerView在所有的Android版本上都能使用,系统将RecyclerVie 阅读详情

相关推荐

Android开发:RecyclerView和Adapter实现瀑布流效果

要求: 将recycleview合入作业1的某个fragment中,实现tab页的列表项。 实现: 本次作业在第一次作业的基础上使用RecyclerView和Adapter在【发现】页面实现瀑布流效果。主要增加了配置文件item_friend.xml和与之对应的适配器FriendAdapter.java文件,接着在friendFragment.java文件上进行必要的功能实现,同时也要修改一下fragment_friend.xml文件。 代码: fragment_friend.xml <?xml ve

游手好闲 3840

Android RecyclerView 实现瀑布流

瀑布流也是个常用的显示控件了,但是在使用时经常遇到一些问题,比如滑动回顶部后出现空隙、item在滑动时乱跳等问题。下面就来说说我怎么实现的瀑布流,并且怎么处理上面所说的这些问题的。我使用了原生控件RecyclerView+StaggeredGridLayoutManager来实现的瀑布流,没有用第三方开源框架。下面以2列的瀑布流为例子开始讲解。

程序员徐师兄的博客 7328

WSL中使用VMD图形化界面

【代码】WSL中使用VMD图形化界面。

handsome213的博客 844

【wx小程序】扩展组件recycle-view的使用

一、components文件夹中,加入对应的组件包 二、页面配置 1、json:“usingComponents”: {} "recycle-view": "/components/miniprogram-recycle-view/recycle-view", "recycle-item": "/components/miniprogram-recycle-view/recycle-item" 2、js: // 必须使用相对路径表示,否则会报错 const createRecycleContext = r

许多仙的博客 3505

泛微E9开发 明细表字段赋值到主表字段,将各类型合计赋值到主表类型合计中

①绑定明细表类型、预计金额字段的值改变事件,每当有值发生改变,就需要重新计算供应商1、供应商2、供应商3的合计,如果不绑定这两个字段的话,会出现计算不及时或计算错误的问题。②当有明细行被删除时,也需要重新计算供应商1、供应商2、供应商3的合计,比如删除了供应商1的明细行,如果不重新计算,那么供应商1的值还是被删之前的值,合计错误。将各类型合计赋值到主表类型合计中。

a_waste_only的博客 3836

二元交叉熵:分类模型概率校准的数学根基

二元交叉熵(BCE)是二分类任务中实现概率校准的核心损失函数,其本质源于最大似然估计与KL散度,确保模型输出具备真实可解释的概率意义。相比均方误差(MSE)或Hinge Loss,BCE强制优化预测分布与真实伯努利分布之间的信息差异,使p=0.8真正对应约80%的正例发生率,支撑风控、医疗、推荐等高信度场景的阈值决策。它不只影响训练收敛,更决定部署后概率的业务可信度——这正是Focal Loss等变体无法替代其基础地位的根本原因。理解BCE,就是理解分类模型如何从‘打分器’进化为‘概率契约签署者’。

congli3478的博客 1336

微信小程序 — 长列表组件 recycle-view 详细教学

微信小程序 — 长列表组件 recycle-view 踩坑问题全解写在前面引入长列表组件 recycle-view长列表组件 recycle-view 使用细节问题一、如何增加下拉刷新功能?问题二、长列表中如何更新以及重置数据? 写在前面 列表太长了,原生的 scroll-view 就遭不住了; 当一个页面展示很多信息的时候,会造成小程序页面的卡顿以及白屏。原因有如下几点: 列表数据很大,首次 setData 的时候耗时高 渲染出来的列表 DOM 结构多,每次 setData 都需要创建新的虚拟树、和旧树

热爱思考、活力满满、开朗爱笑的年轻人 1万+

vue:npm安装pnpm报错,npm ERR! code ENOTFOUND,npm ERR! syscall getaddrinfo,npm ERR! errno ENOTFOUND详细排查解决!

vue2 vue3,npm install -g pnpm 安装出现错误,安装pnpm及解决安装失败问题,解决 npm无法安装pnpm问题,npm 安装 pnpm 时 报错 npm ERR! code ENOTFOUND,pnpm无法安装报错,vue npm install -g pnpm安装报错,request to http://registry.cnpmjs.org/pnpm failed, reason: getaddrinfo ENOTFOUND registry.cnpmjs.org,安装pnp

✅ 精选推荐文章 3609

精通Android布局管理——从RecyclerView到瀑布流布局完全解析

在Android开发中,高效地展示数据集合是构建动态和响应式应用的核心。RecyclerView作为ListView和GridView的强大替代者,提供了更灵活的布局配置和性能优化。本篇博客将深入探讨RecyclerView的使用方法,包括其瀑布流布局实现,并提供实例源码,帮助你在项目中实现精美的界面布局。### RecyclerView简介 `RecyclerView`是Android标准开发包中的一个强大组件,用于在有限的窗口展示大量数据项。它通过复用视图单元格来优化内存使用,极大提升了滑动的流畅性。#

youmashengyue的博客 1398

[特殊字符] 从零构建携程/飞猪机票价格爬虫:Python异步抓取与反爬对抗实战

在出行决策、竞品分析、价格预测模型训练等场景中,稳定获取携程(Ctrip)和飞猪(Fliggy)的实时机票价格波动数据是刚需。然而,这两大平台均部署了业界顶尖的反爬体系——包括但不限于:动态请求签名(SignToken设备指纹采集(UACanvasWebGL接口参数加密(X-Sign_abtestcookie混淆)频率限制与 IP 封禁(滑动窗口 + 行为检测)目录前言:为什么需要自建机票价格爬虫?一、技术选型与项目架构1.1 核心技术栈1.2 系统架构图(文字描述)1.3 法律与道德声明。

2201_76125261的博客 341

ESP-IDF OTA升级过程中遇到的“esp_transport_read returned:-1 and errno:128”问题(4)

ESP-IDF OTA升级过程中遇到的“esp_transport_read returned:-1 and errno:128”问题(4)

phmatthaus的专栏 1536

Android使用RecyclerView实现瀑布流效果的列表展示

第一步:设置RecycleView的布局管理器为瀑布流StaggeredGridLayoutManager RecyclerView rlv = view.findViewById(R.id.pop_rlv); rlv.setLayoutManager(new StaggeredGridLayoutManager(2, StaggeredGridLayoutManager.VERTICAL));...

weixin_44297368的博客 843

【Unity 实用工具篇】 | Book Page Curl 快速实现翻书效果

游戏和应用开发中,真实感的交互设计能显著提升用户体验。Unity3D图书翻页效果插件为开发者提供了一种便捷方式,可在项目中实现高度拟真的书籍翻页动画。 本文介绍该插件的快速使用方法,涵盖从基础导入到自动翻页效果创建的全过程,让我们快速实现翻页效果。

努力前行,总会成为自己心中的那道光 1万+

RecyclerView分别展示ListView,GrideView,瀑布流效果之总结

首先我们看一下主要的代码: 这个是展示listView效果的: //创建适配器对象 参数一般有两个 上下文 和 数据加载集合 RecylerViewAdapter recylerViewAdapter=new RecylerViewAdapter(this,dates); // 1 设置适配器 mRecyclerView.setAdapter

github_37245515的博客 951

030、自动白平衡AWB实战:灰度世界、完美反射与色温估计的工程实现与局限

本文深入探讨了自动白平衡(AWB)算法在工程实践中的实现与局限性。作者结合实际项目经验,分析了灰度世界算法、完美反射算法和色温估计三种主流方法的优缺点和适用场景,并分享了调试过程中的关键技巧和常见陷阱。文章指出,纯色背景、多光源环境等特殊场景容易导致算法失效,需要通过混合策略和场景检测来优化。作者强调AWB调试需要大量实际场景测试,建议保留手动调节功能,并针对不同硬件配置进行参数标定。最后提出,AWB优化是一个持续迭代的过程,需要工程化的测试方法和数据处理能力。

zzfmlxs的博客 284

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

RecyclerView实现瀑布流效果(图文详解+源码奉送)

最近有时间研究了一下RecyclerView,果然功能强大啊,能实现的效果还是比较多的,那么今天给大家介绍一个用RecyclerView实现的瀑布流效果。先来一张效果图:看看怎么实现吧: 整体工程目录结构: 这里要特别强调一点,有人可能不知道去哪里找android-support-v7-recyclerview.jar这个文件,其实它就在你下载的sdk目录下,我的是在D:\Program Fil

江南一点雨的专栏 5731

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Android使用RecyclerView实现瀑布流,已获万赞

this.isVertical = isVertical; } public StaggeredAdapter(Context context, List datas) { super(context, datas); //设置竖直瀑布流的height集合值: //设置水平瀑布流的height集合值: mWidths = new HashMap<Integer,Integer>(); mHeights = new HashMap<Integer,Integer>(); onDataC

m0_68318740的博客 3728

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

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使用RecyclerView和StaggeredGridLayoutManager实现瀑布流效果-引子

1、瀑布流概述     淘宝、京东商城等电商平台的首页在下滑刷新的过程中会出现左右不对齐的情况,这种情况的产生主要是由商品类型决定的。不同类型的商品决定了不同的展示方式,一般情况下会通过自营、满减、满折等标签+价格+描述呈现。鉴于商品的多样性和展示的复杂性,会造成不同的商品单位高低不一的问题,这就是我们要讲的瀑布流的概念。 2、瀑布流实现步骤 搭建Android开发平台创建项目并引入相关依赖包 ...

Edwin_C 的博客 2733

RecyclerView用法之瀑布流的实现

随着md风格的推行,RecyclerView的使用日趋增多,而且经常与CardView组合起来形成强大绚丽的布局效果,而瀑布流就是其中比较常见的效果之一,今天就来记录一下如何简单实现瀑布流效果。 1.首先,先来讲下RecyclerView的item常见分布形式,RecyclerView用RecyclerView.LayoutManager类实现其item的排布方式,系统已经为我们默认提供了三个实

沐风的博客 1303

Android控件RecyclerView实现横向滑动、瀑布流。

Android控件RecyclerView实现横向滑动、瀑布流。

风雨踏梦行 1万+

一篇博客理解Recyclerview的使用

从Android 5.0开始,谷歌公司推出了RecylerView控件,当看到RecylerView这个新控件的时候,大部分人会首先发出一个疑问,recylerview是什么?为什么会有recylerview也就是说recylerview的优点是什么?recylerview怎么用?等等,下面我们将深入解析recylerview。1.RecyclerView是什么?RecyclerView是suppo

一个码农的博客 4万+

【android】RecyclerView + StaggeredGridLayoutManager 实现瀑布流

瀑布流,又称瀑布流式布局。是比较流行的一种页面布局,视觉表现为参差不齐的多栏布局,随着页面滚动条向下滚动,这种布局还会不断加载数据块并附加至当前尾部。最早采用此布局的是Pinterest,逐渐在国内流行开来。国内大多数清新站基本为这类风格。1、琳琅满目:整版以图片为主,大小不一的图片按照一定的规律排列。2、唯美:图片的风格以唯美的图片为主。3、操作简单:在浏览网站的时候只需要轻轻滑动一下鼠标滚轮,一切的美妙的图片精彩便可呈现在你面前。..................

GuoguoDad的博客 1866

android RecyclerView瀑布流

android RecyclerView瀑布流

wy12123的博客 285

RecyclerView实现列表效果和瀑布流效果(RecyclerView强化练习)

一、添加依赖dependencies { compile 'com.android.support:recyclerview-v7:26.1.0' }点击右上角Sync Now不会添加依赖或添加依赖出现错误,请见这篇文章https://blog.youkuaiyun.com/weimeig/article/details/80244059二、列表效果实现(一)、为RecyclerView添加填错数据的...

weimeig的博客 1539

Android中使用RecyclerView和CardView实现瀑布流效果(StaggeredGrid)

在Android 5.0 中引入了Material Design的设计理念,并加入了RecyclerView和CardView两个控件。本文就讲解如何使用者两个控件来实现瀑布流效果(StaggeredGrid)。先上效果图RecyclerViewRecyclerView 是一个更加高级和灵活的ListView。它简化了显示和处理数据的过程,比如,为positioning item提供了layout

SparkYuan 3129
上一篇: 使用RecyclerView展示GrideView效果
下一篇: RecyclerView分别展示ListView,GrideView,瀑布流效果之总结
CEO先生
博客等级 码龄10年 4粉丝 17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
 
 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