在 Android 项目中加入的每一项资源，构建工具均会定义唯一的整型(Long) ID，通过这个 ID 来引用资源。例如，有一张叫 logo.png 的图像文件保存在 res/drawable/ 目录中，则构建工具会生成名为 R.drawable.logo 的资源 ID。

资源文件的存放位置​

首先来看一下Android工程的目录结构：

装饰器(Decorators)是 Python 的一个重要部分。举一个不太恰当的比方，装饰器是一个函数，它以函数为参数，先执行一些操作，再调用作为参数的函数，然后再执行以下操作，例如下面的函数：

def my_decorator(func):
    print("Do something before call func.")
    func() # 调用func()
    print("Do something after call func.")

没错，就像C语言里的回调函数一样

Linux里编译过多次Python，但依然不记得流程，今天来简单总结一下。

本文基于CentOS 8

先把命令列出来：

wget https://www.python.org/ftp/python/3.7.9/Python-3.7.9.tgz # 这里是对应版本的下载链接
tar -zxvf ./Python-3.7.9.tgz
cd Python-3.7.9
./configure --prefix=/usr/local/python3 # 这里是你的安装目录
make
sudo make install
sudo vim /etc/profile
source /etc/profile

四大组件​

• 活动Activity
• 服务Service
• 广播接收器BroadcastReceiver
• 内容提供程序ContentProvider

本文详细介绍了提取网易云音乐前端歌曲播放链接的分析过程。

技术栈​

• Koa基础

推荐一篇博客，把koa讲的非常易懂，几乎看懂他提供的例子后koa就会得差不多了，如果有时间，我可能也会写一篇教程。

• JavaScript基础
• HTML基础

Xamarin 是一个开放源代码平台，用于通过 .NET 构建适用于 iOS、Android 和 Windows 的新式高性能应用程序。本文记录了Xamarin框架的基本控件，并给出了相关例子。

前几天看了本《Python神经网络编程》的书，把一个最简单的神经网络MNIST手写数字识别讲的挺详细的（至少我这个完全的门外汉看懂了）。写个博客展示一下成果。为了SEO，再多写几句。这个神经网络模型基于 numpy 实现，有一个隐藏层，准确率达到95%。

简单介绍​

这是一个基于python的最简单的神经网络模型，使用了numpy库，使用的是输入层 - 隐藏层 - 输出层的结构，每一层的节点数自可定义。原理图：

初学 Linux ，很多基础的命令都不记得，特地在博客里列出来方便查阅。主要包含：

• 目录和文件操作（增删改查）
• 查看文件内容