Android Studio 快捷键

本文详细介绍了Android Studio的常用快捷键,包括代码编辑、查找、导入包、格式化代码等功能,帮助开发者提高编程效率。

2.2.2版本:


Levin个人常用快捷键(1.5.1版本):
Ctrl+Alt+Space 类名或接口名提示
Ctrl+H 显示类结构图
Ctrl+F12 或者打开左边侧边栏的Structure,显示当前类的成员函数或者内部内
Ctrl+Alt+F7:查看一个类、方法、成员变量在整个工程中的使用情况。 //重要!
Ctrl+N:快速查找类名、文件 //重要!
Ctrl+Shift+N 查找文件  //重要!
Ctrl+F:当前页搜索关键字
Ctrl + Shift + F: 全工程搜索关键字
Ctrl+Alt+B:查询有哪些类实现了光标所在的接口 //重要!
Ctrl+O:子类想重写父类的方法时,按此组合键可显示所有父类的方法。接口对应的组合键时Ctrl+I。 //重要!
Ctrl+shift+空格:在赋值或者是在方法中要传入参数时,列出类型匹配的方法名、成员变量名。//重要!
Ctrl+P 方法参数提示 //重要!
Alt+Enter import需要的包名(光标移到报错的地方),studio没有ADT的Ctrl+Shit+O,见后面的解释 //重要!

Ctrl+D: 集合了复制和粘贴两个操作,如果有选中的部分就复制选中的部分,并在选中部分的后面粘贴出来,如果没有选中的部分,就复制光标所在的行,并在此行的下面粘贴出来。
Ctrl+斜杠 
Ctrl+shift+斜杠:注释或取消注释选中的代码块,以“/*……*/”方式注释,
shift+鼠标滚动:可实现编辑界面的横向滚动。
Ctrl+E:快速查看最近打开打开过的文件。
Ctrl+W:选中光标所在的所在的单词(一个成员变量或者是一个方法名),多按一次会选中所在的语句,再多按一次会选中所在的代码块。。。依次类推,每增加一次会扩大一级选中的范围。
Ctrl+Alt+L 自动格式化代码
Alt+Insert 生成代码(如get,set方法,构造函数等)
Ctrl+Shift+Space 自动补全代码
Alt+Insert    插入代码(自动生成代码)
Ctrl+Tab     在已打开的文件中切换

Android studio 只有import单个包的快捷键:Alt+Enter(光标移到报错的地方)。studio没有Eclipse下的快速导入包的快捷键Ctrl+Shift+O。因为Android studio提供Auto Import自动导入功能,它认为你没有必要再手动按快捷键了。设置过程如下:
Android studio --> File--> Settings --> Editor --> General --> Auto Import:然后设置如下图:


设置中的参数解释如下:
    XML
    Show import popup,这个是用于编辑XML时,自动会弹出一个import的对话框,问你是否需要导入。

    Java
    Insert imports on paste:(All Ask None),这个其实就是你在复制代码的时候,对于导入的包是否需要进行询问的一个选项。
        All:有需要导入的包名时,会自动导入,不会弹提示框
        ASK:有需要导入的包名时,会弹提示框,问你要不要导入
        None:有需要导入的包名时,不会弹提示框,也不会自动导入。

    Show import popup:这个是和上面的Insert imports on paste是不同的项了哈,不要混一起,这个是指当你输入的类的声明没被导入时,会弹出一个选择的对话框。但是这边需要注意下,这个选项其实是有点问题的。不管你勾还是不勾,反正对话框是不会弹出来的,在你输完类名后,声明都自动导入了。所以我估计这个可能是Android Studio的bug。
    Optimize imports on fly:这个其实和快捷键Ctrl+Shift+O/Ctrl+Alt+O是一样的,就是把不用的声明移除掉。
    Add unambiguous imports on the fly:这个就是自动导入功能了,当你输入类名后,声明就被自动导入了。
    Exclude from Import and Completion:这个其实就是你自定义import。可以不用关注,一般来说你是用不上的。


参考:
http://www.android-studio.org/index.php/docs/experience/142-androidstudio-shortcut-keys 
http://www.newasp.net/tech/91197.html
http://blog.youkuaiyun.com/buaaroid/article/details/44979629

下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
室内物体实例分割数据集 一、基础信息 • 数据集名称:室内物体实例分割数据集 • 图片数量: 训练集:4923张图片 验证集:3926张图片 测试集:985张图片 总计:9834张图片 • 训练集:4923张图片 • 验证集:3926张图片 • 测试集:985张图片 • 总计:9834张图片 • 分类类别: 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发:适用于训练和评估实例分割AI模型,用于精确识别和分割室内环境中的物体,如家具、电器和人物。 • 智能家居与物联网:可集成到智能家居系统中,实现自动物体检测和场景理解,提升家居自动化水平。 • 机器人导航与交互:支持机器人在室内环境中的物体识别、避障和交互任务,增强机器人智能化应用。 • 学术研究与教育:用于计算机视觉领域实例分割算法的研究与教学,助力AI模型创新与验证。 三、数据集优势 • 类别多样性:涵盖10个常见室内物体类别,包括家具、电器、人物和日常物品,提升模型在多样化场景中的泛化能力。 • 精确标注质量:采用YOLO格式的多边形标注,确保实例分割边界的准确性,适用于精细的物体识别任务。 • 数据规模充足:提供近万张标注图片,满足模型训练、验证和测试的需求,支持稳健的AI开发。 • 任务适配性强:标注格式兼容主流深度学习框架(如YOLO系列),便于快速集成到实例分割项目中,提高开发效率。
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