其實(shí)配置太碎了也不方便
Android中依賴版本統(tǒng)一管理前言 在Android的實(shí)際開發(fā)中，我們會經(jīng)常使用到多Module開發(fā)，而當(dāng)我們修改一些版本信息或者SDK升級時，可能涉及多個Module都需要修改。 顯然逐個修改Modul...
發(fā)簡信
IP屬地：河南
-
-
-
假如民國也有朋友圈……
民國時代，雖然只有短短三十余年，卻是群星璀璨，大師輩出。 徐志摩的風(fēng)流，林徽因的優(yōu)雅，陸小曼的嫵媚，舉手投足間就是一道風(fēng)景； 魯迅的柔情，胡適的寬厚，李叔同的慈悲，錢鐘書的專...
-
OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機(jī)視覺庫，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。
-
祖?zhèn)髌綄Ｖ未蹬１?/div>Android路由框架AnnoRouter：使用Java接口來定義路由跳轉(zhuǎn)
介紹 AnnoRouter是一個用于協(xié)助Android組件化的路由框架。它參考了Retrofit的接口設(shè)計，將路由跳轉(zhuǎn)API轉(zhuǎn)化為Java接口，使用注解來配置跳轉(zhuǎn)信息。 Us...
掌握了這些工作沒有問題，但找工作還不行，沒有對系統(tǒng)源碼及常用庫原理的掌握是不行的
高級工程師的進(jìn)階之路
在編程之余，有時候我就在想，什么樣的程序員屬于高級程序員呢？或者說，高級程序員有哪些特性呢？工作年限一定不是一個關(guān)鍵的指標(biāo)，許多工作多年的程序員依然寫不出優(yōu)雅的程序。無論是在...
同問，這個問題你解決了嗎？
Gradle學(xué)習(xí)筆記(四)-- fat-aar.gradle解析
fat-aar.gradle是什么？ 在做android應(yīng)用程序開發(fā)時，我們一般都會構(gòu)建多個模塊，來達(dá)到解耦的目的，但是有的需求是需要我們提供一個依賴庫給外部使用，這時候就遇...
TensorFlow文檔與筆記需要的選題有： 人工智能是如何實(shí)現(xiàn)的 機(jī)器學(xué)習(xí)（要么寫的很深入，要么用圖解容易學(xué)，要么寫案例） 深度學(xué)習(xí) 自然語言處理 算法（入門算法圖解，或者好玩的算法） TensorFlow 2.0 計算機(jī)視覺 神經(jīng)網(wǎng)絡(luò) Caffe Torch keras 推薦系統(tǒng) 信息流 OpenCV 等等 歡迎投稿?。?！ 有興趣寫書出版的朋友私聊！！ vx：702697037 (寫書題材人工智能、數(shù)據(jù)庫、大數(shù)據(jù)處理、編程語言、開發(fā)大全，創(chuàng)業(yè)、運(yùn)營、財會、投資理財、科普等等）機(jī)器學(xué)習(xí)、深度學(xué)習(xí)資料整理，實(shí)戰(zhàn)經(jīng)驗(yàn)總結(jié)：https://github.com/jacksu/machine-learning華為push的架構(gòu)就是垃圾中的戰(zhàn)斗機(jī)，功能簡陋，配置復(fù)雜，又缺乏清晰的文檔，甚至有些設(shè)計思路就明顯不對。
Android集成華為推送踩坑問題總結(jié)
很多人都很吐槽華為push的集成過程有多扯淡多賤(華為push論壇大都這么說的), 主要因?yàn)槿A為給開發(fā)者的集成文檔確實(shí)很亂，本人在成功集成華為push后把集成過程中遇到的問題...
如何假裝自己讀懂了《時間簡史》什么！霍金他老人家都仙逝了，你還沒看懂《時間簡史》？作為一名當(dāng)代精英，這實(shí)在是太丟人了，嚴(yán)重拖了人類進(jìn)步的后腿！根據(jù)“死后地位自動升一級”公理，霍金的聲望已不在牛頓和愛因斯坦...
Android面試一天一題（13 Day: AsyncTask）記得2012年的時候，在MTK公司內(nèi)部的一個Work Shop上我分享了對AsyncTask的理解，聽眾都很有興趣地參與討論使用AsyncTask的問題所在。因?yàn)閁I線程阻塞...
我以官方文檔為主線，開始對TensorFlow的學(xué)習(xí)。這期間會把我的理解進(jìn)行持續(xù)的輸出，作為《TensorFlow從0到N》系列。 它不會止于翻譯和筆記，不會停留在語言和工具，而是堅持通過啟發(fā)性的方式，循序漸進(jìn)的構(gòu)建理解，搭建一個堅實(shí)可靠的、連接“零基礎(chǔ)”與“人工智能（AI）/機(jī)器學(xué)習(xí)（Machine Learning）/深度學(xué)習(xí)（Deep Learning）”領(lǐng)域之間的緩坡道。
