logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【React Native】自定义轮盘(大转盘)组件Wheel

本组件是一个自定义轮盘(大转盘)组件旋转动画:通过Animated实现平滑旋转效果,支持自定义旋转圈数、单圈时长和缓动曲线。自定义渲染:支持自定义奖品项(renderItem)和旋转按钮(精准控制:提供方法,可编程滚动到指定奖品位置。状态回调:支持旋转开始()和结束()的回调事件。视觉定制:支持自定义奖品底盘颜色(),适配不同设计需求。

#react native#react.js#javascript
【React Native】KeyboardLayout 集成输入框、功能面板和键盘管理的布局容器

KeyboardLayout 是一个集成输入框、功能面板和键盘管理的布局容器,适用于聊天、评论等需要动态输入交互的场景。支持键盘与功能面板的切换、消息发送及自定义功能项。

#react native#typescript
【React Native】自定义倒计时组件CountdownView

isShowSecond={false} // 隐藏秒dayStartBgColor="#FF6B6B" // 天数背景渐变起始色dayEndBgColor="#FFE66D" // 天数背景渐变结束色hourStyle={{ fontWeight: 'bold' }} // 小时数字加粗suffixStyle={{ color: '#666' }} // 后缀颜色变灰timeFontSize={

#react native#react.js#javascript
【React Native】自定义轮播图组件 Banner

Banner是基于实现的高性能轮播组件,支持无限循环滚动自动播放垂直/水平方向切换自定义分页指示器等功能,适用于广告轮播、内容展示、产品推荐等场景。组件通过封装底层滚动逻辑,提供简洁的 API 接口,降低开发成本。<Bannervertical={true} // 垂直滚动backgroundColor: 'rgba(0,0,0,0.3)', // 分页容器背景paddingHorizontal:

#react native#react.js#javascript
【React Native】点赞特效动画组件FlowLikeView

FlowLikeView 是一款 React Native 点赞动画组件,支持自定义图标和动画参数。当用户点击触发按钮时,图标会沿随机贝塞尔曲线飘动,伴有透明度渐变效果。组件提供灵活的配置项,包括动画时长、图标大小等,并支持自定义按钮样式。通过 Animated 实现高性能动画,适用于社交场景。使用时需注意必传参数和性能优化,避免过多图标同时动画导致内存问题。

#react native#react.js#javascript
【React Native】粘性布局StickyScrollView

本组件大头部:初始完全显示,滚动时透明度从1→0渐变消失小头部:滚动到顶部时固定,伴随缩放(视觉填充大头部)和透明度(渐显)动画TabBar:跟随小头部保持粘性定位通用粘性逻辑:通过Sticky组件复用,支持任意元素粘性。

#react native#react.js#javascript
【深度学习】小批量随机梯度下降(Mini-batch SGD)

每次只用 1 个数据,比如只看学生 A 的数据调整参数,但噪声太大,像闭着眼睛乱跳,可能跳错方向。:每次计算都用全部 1000 个数据,计算量太大,像每次下山都要绕山走一圈才决定方向,太慢!假设你要训练一个模型,根据学生的"学习时间"和"刷题数量"预测"考试分数"。

文章图片
#深度学习#人工智能
【深度学习】梯度计算

训练模型时,我们需要调整参数(比如房价预测中的“面积权重”“房间数权重”),让模型预测值尽量接近真实值。初始预测值(82, 103, 124)远低于真实房价(200, 300, 400),导致梯度绝对值非常大。:想象你在一片黑暗的山丘上,手里有一盏灯,想找到山谷里最低的那一点(也就是模型的最优解)。:学习率决定调整幅度(太小会走太慢,太大容易“跳过”最优解)。就像这盏灯的光束,它会告诉你:“往哪个

文章图片
#深度学习#人工智能
【深度学习】小批量随机梯度下降(Mini-batch SGD)

每次只用 1 个数据,比如只看学生 A 的数据调整参数,但噪声太大,像闭着眼睛乱跳,可能跳错方向。:每次计算都用全部 1000 个数据,计算量太大,像每次下山都要绕山走一圈才决定方向,太慢!假设你要训练一个模型,根据学生的"学习时间"和"刷题数量"预测"考试分数"。

文章图片
#深度学习#人工智能
【深度学习】梯度计算

训练模型时,我们需要调整参数(比如房价预测中的“面积权重”“房间数权重”),让模型预测值尽量接近真实值。初始预测值(82, 103, 124)远低于真实房价(200, 300, 400),导致梯度绝对值非常大。:想象你在一片黑暗的山丘上,手里有一盏灯,想找到山谷里最低的那一点(也就是模型的最优解)。:学习率决定调整幅度(太小会走太慢,太大容易“跳过”最优解)。就像这盏灯的光束,它会告诉你:“往哪个

文章图片
#深度学习#人工智能
    共 12 条
  • 1
  • 2
  • 请选择