Android使用SharedPreferences保存账号密码
有很多的应用都会有保存密码和账号的功能,比如 QQ。接下来就讲讲使用 SharedPreferences 来保存密码和账号,也许有些人会考虑的数据库,但是我个人认为对于保存简单的数据,使用的数据库就大材小用了,SharedPreferences 比较轻量级
有很多的应用都会有保存密码和账号的功能,比如 QQ。接下来就讲讲使用 SharedPreferences 来保存密码和账号,也许有些人会考虑的数据库,但是我个人认为对于保存简单的数据,使用的数据库就大材小用了,SharedPreferences 比较轻量级
在原生的 ImageView 中,没有一个方法是可以直接显示网络的图片的,当我们经常需要显示网络图片时,每次都有一大堆的操作,这会很麻烦,今天就教大家在 ImageView 上轻松显示网络图片。
这是一个使用 Fragment 做的一个底部导航栏的小 demo
读取短信和联系人经常会用到,要了解的是这是内容提供者(contentProvider)的知识点,大家都知道数据库是在 data-->data 对应的包目录下,其他应用是不可以访问到的,如果有些数据要提供给其他的应用,比如通信录,其他应用想获取它的数据怎么办呢,这时内容提供者就出现了,预先写好了一些操作数据库的方法,因为方法是开发这个应用的开发者提供的,所以保证了数据库的安全操作,又能共享数据。
像音乐这种耗时的和适合后台操作的应当放在 Service 中进行操作,而不是放在 Activity,下面就介绍使用 Service 的音乐播放器
OKhttp3 是一个非常强大的 Android 网络框架,它是由 Square 公司开发并开源的,很大 Android 开发者都会使用到,所以我也要来学学。
这里导入了两个工具类,可以从这里下载,这里包含了这个函数和用到的数据集,其中用到了 h5py
,如果读者没有安装的话,要先用 pip
安装这个库,还有以下用到的库也要安装。
导入依赖包,这个两个分别是加载数据的工具函数和数据集,这个两个程序可以在这里下载。这个工具函数中使用到 sklearn
包,使用之前还要使用 pip
安装该函数。
有时候我们需要一些网络数据来工作、学习,比如我们做深度学习的。当做一个分类任务时,需要大量的图像数据,这个图像数据如果要人工一个个下载的,这很明显不合理的,这是就要用到爬虫程序。使用爬虫程序帮我们下载所需要的图像。那么我们就开始学习爬虫吧。
在本章中,我们一起来学习下 TensorFlow。我们将会学习到 TensorFlow 的一些基本库。通过计算一个线性函数来熟悉这些库。最后还学习使用 TensorFlow 搭建一个神经网络来识别手势。
现在越来越多的手机要使用到深度学习了,比如一些图像分类,目标检测,风格迁移等等,之前都是把数据提交给服务器完成的。但是提交给服务器有几点不好,首先是速度问题,图片上传到服务器需要时间,客户端接收结果也需要时间,这一来回就占用了一大半的时间,会使得整体的预测
在之前笔者有介绍过《在 Android 设备上使用 PaddleMobile 实现图像分类》,使用的框架是百度开源的 PaddleMobile。在本章中,笔者将会介绍使用腾讯的开源手机深度学习框架 ncnn 来实现在 Android 手机实现图像分类,这个框架开源时间比较长,相对稳定很多。
在之前笔者有介绍过《在 Android 设备上使用 PaddleMobile 实现图像分类》,使用的框架是百度开源的 PaddleMobile。在本章中,笔者将会介绍使用小米的开源手机深度学习框架 MACE 来实现在 Android 手机实现图像分类。
TensorFlow Lite 是一款专门针对移动设备的深度学习框架,移动设备深度学习框架是部署在手机或者树莓派等小型移动设备上的深度学习框架,可以使用训练好的模型在手机等设备上完成推理任务。这一类框架的出现,可以使得一些推理的任务可以在本地执行,不需要再调用服务器的网络接
在这里为大家介绍如何在 Ubuntu server 搭建 Java Web 服务器,输入命令时请留意作者的 Ubuntu 路径的变化。
这是一个常见的画板功能,常用于画画和手写输入等等,今天就教大家实现这个小功能,这个功能还是比较简单的,只有一个 Java 文件
我们使用的是 CASIA-WebFace 数据集,该人脸数据集是目前最大的公开人脸数据集。该人脸数据集一共有包含 10,575 个人,494,414 张图像,包含彩色图和灰图。各大人脸数据集情况如下表。
要开机启动,首先肯定是想到广播,广播接收器接收到开机发出的广播,就执行 onReceive(),在 onReceive()可以写一些我们需要做的操作
随机变量(random variable)是可以随机地取不同值的变量。随机变量是可以离散的或者连续的,离散随机变量拥有有限或可数无限多的状态,连续随机变量伴随这实数值的。