主頁 > 後端開發 > Pytorch筆記3-2：“張量操作（補充）”

Pytorch筆記3-2：“張量操作（補充）”

2021-04-06 11:28:07 後端開發

文章目錄

  • 前言
  • 一、合并與分割
    • 1.張量合并
    • 2.張量分割
  • 二、數學運算
    • 1.張量的四則運算
    • 2.張量的冪指運算
    • 3.張量的近似運算
    • 4.裁剪
  • 三、合并與分割
    • 1.范數
    • 2.序號索引
      • 1.未指定索引軸時
      • 2.指定索引軸時
      • 3.保持維度
    • 3.保留前K個值（TOP-K）
    • 4.邏輯關系（ > < = !=）
  • 四、where與gather
    • 1.where 條件賦值
    • 2.gather
  • 總結

前言

補充一些常用的張量操作，

一、合并與分割

1.張量合并

torch.cat([a,b],dim = c) 用于合并張量，但是要保證張量的資料維度可以合并不會出錯（即在要合并的軸 資料維度可以不一樣，但是其他的軸資料要保持維度相同），
a,b :指要合并的資料，c 表示要合并的所在軸，

代碼如下：

import torch

a = torch.rand(4,3,28,28)
b = torch.rand(6,3,28,28)
#除0軸資料維度可以不一樣（4和6），1，2，3軸資料維度都相同故可以合并
c = torch.cat([a,b],dim = 0)
#除1軸資料維度可以不同也可以相同（3，3）；1軸據維度不同（4，6）；
# 2，3軸資料維度都相同故不可以合并，列印出錯
# d = torch.cat([a,b],dim = 1)
print(c.shape)
# print(d.shape)

在這里插入圖片描述
在這里插入圖片描述
torch.stack([a,b],dim = c) 會在dim指定軸之前增加新的維度，但在指定軸的資料維度比==.cat()== 要求更嚴格同樣必須一致，

代碼如下：

import torch

a = torch.rand(4,3,28,28)
b = torch.rand(6,3,28,28)
#除0軸資料維度必須保持相同（4和6 不同 會出錯），1，2，3軸資料維度都相同否則會無法合并報錯
c = torch.stack([a,b],dim = 0)
print(c.shape)

輸出結果：

在這里插入圖片描述
代碼如下：

import torch

a = torch.rand(6,3,28,28)
b = torch.rand(6,3,28,28)
#除0軸資料維度必須保持相同（6和6），1，2，3軸資料維度都相同否則會無法合并報錯
c = torch.stack([a,b],dim = 0)
print(c.shape)

輸出結果：

在這里插入圖片描述

2.張量分割

.split(a,dim = b) 將張量按照a的指定長度在b軸上進行拆分，
.chunk(a,dim = b) 將張量拆分成a個數量在b軸上進行拆分，

代碼如下：

import torch

a = torch.rand(6,3,28,28)
print(a.shape)
#split以長度進行拆分，3是指長度,每n個進行一個拆分，要有接受資料要保持對應
b,c,d =a.split(2,dim=0)
print(b.shape,c.shape,d.shape)
b,c = a.split(3,dim=0)
print(b.shape,c.shape)
print("********************************************************************")
#chunk,是拆分成指定的n個
b,c = a.chunk(2,dim = 0)
print(b.shape,c.shape)
b,c,d =a.chunk(3,dim=0)
print(b.shape,c.shape,d.shape)

輸出結果：

在這里插入圖片描述

二、數學運算

1.張量的四則運算

加法：若相加資料的維度不同，符合廣播機制的會廣播后再相加，
+號 可以使用加號進行相加，
torch.add() 也可以呼叫add方式相加，

代碼如下：

import torch

a = torch.rand(4,5)
b = torch.rand(5)
print(a)
print(b)
#因為b的維度不夠所有且符合廣播機制，torch會將b廣播成與a相同然后相加
#加法具有兩種實作形式，一種是+號，另一種是呼叫add方式
print(a+b)
print(torch.add(a,b))

輸出結果：
在這里插入圖片描述

減法
-號 可以使用多載運算子減號進行相減，
torch.sub() 也可以呼叫sub(減法：subtraction)方式相減，

代碼如下：

import torch

a = torch.rand(4,5)
b = torch.rand(5)
print(a)
print(b)

print(a-b)
print(torch.sub(a,b))

輸出結果：
在這里插入圖片描述

乘法：乘法分為元素相乘（即對應位置的元素想乘）和矩陣乘法，

元素相乘：
*號 ：可以使用多載運算子星號進行對應元素相乘，
torch.mul() ：也可以呼叫mul(乘法：multiply)方法相乘，

矩陣乘法：需滿足矩陣的運算規則，如A的列數(4行5列)，等于C的行數（5行8列）得到新的維度（4行8列）
.mm(a,c)號 ：僅適用于2D張量矩陣（不推薦），
@ ：多載運算子符號號進行矩陣相乘，
torch.matmul() ：也可以呼叫.matmul()方法進行矩陣相乘，（在3D、4D等多維張量矩陣乘法中，只計算最后兩個軸，如（1，2，3，4）@（1，2，4，5）=（1，2，3，5））
代碼如下：

import torch

a = torch.rand(4,5)
b = torch.rand(5)
c = torch.rand(5,8)
print(a)
print(b)
#各對應元素相乘
print(a*b)
print(torch.mul(a,b))
#矩陣乘法：torch.mm(僅適用于2D矩陣相乘，不推薦)；@符號多載的矩陣乘號；.matmul()函式等三種方法
#矩陣乘法要滿足矩陣的運算規則：即A的列數(4行5列)，等于的行數C（5行8列）得到新的維度（4行8列）
d = a@c
e = torch.matmul(a,c)
print(d,d.shape)
print(e,e.shape)

輸出結果：
在這里插入圖片描述

除法：

/號 ：可以使用多載運算子 / 號進行對應元素相除，
torch.div() ：也可以呼叫div(除法：divide)方法相除，

代碼如下：

import torch

a = torch.rand(4,5)
b = torch.rand(5)

print(a)
print(b)

#各對應元素相除
print(a/b)
print(torch.div(a,b))

輸出結果：
在這里插入圖片描述

2.張量的冪指運算

.pow(a) ：計算x的a次方，也可以使用兩個星號來代替 **（），
.sqrt() ：開平方根，同樣可以使用 **（0.5）
.rsqrt() ：開平方根后的倒數，

代碼如下：

import torch

a = torch.full((3,3),4)
#平方
b = a.pow(2)
#3次方
c = a**(3)
#開平方根
d = a.sqrt()
e = a.pow(0.5)
#平方根的倒數
f = a.rsqrt()
print(a)
print(b)
print(c)
print(d)
print(e)
print(f)

輸出結果：

在這里插入圖片描述

.exp(a) ：計算以e的a次方，
.log(a) ：計算以e為底log（a），
.rsqrt() ：計算以10為底log（a），

代碼如下：

import torch

a = torch.full((3,3),2)
#對a每個數均進行e的指定次方
b = torch.exp(a)
# log默認以2為底
c = torch.log(b)
#log 函式以10為底
d = torch.log10(a)
print(a)
print(b)
print(c)
print(d)

輸出結果：
在這里插入圖片描述

3.張量的近似運算

.floor() ：向下取整，
.ceil(a) ：向上取整，
.trunc() ：截取整數部分，
.frac() ：截取小數部分，
.round() ：對小數部分進行四舍五入，

代碼如下：

import torch

a = torch.tensor(5.64)
#向下取整
print(a.floor())
#向上取整
print(a.ceil())
#截取整數部分
print(a.trunc())
#截取小數部分
print(a.frac())
#對小鼠部分進行四舍五入
print(a.round())

輸出結果：
在這里插入圖片描述

4.裁剪

.clamp(a,b) ：將資料裁剪到 a 到 b 之間，（常用于對梯度裁剪，防止梯度爆炸的情況出現）

代碼如下：

import torch

a = torch.rand(3,3)*20
print(a)
print(a.min())
print(a.median())
print(a.max())
#將資料裁剪到 5-15之間,小于5的以5代替，大于15的以15代替
b = a.clamp(5,15)
print(b)

輸出結果：
在這里插入圖片描述

三、合并與分割

1.范數

1范數 ：所有資料絕對值之和，

在這里插入圖片描述

2范數 ：所有資料的平方和開根號，
在這里插入圖片描述
p范數 ：所有資料的p次方和開p根號，
在這里插入圖片描述

1范數和2范數，未指定軸分析 ：即對所有的數的絕對值求和，以及開根號，
代碼如下：

a = torch.full([8],1.)
b = torch.full((2,4),1.)
c = torch.full((2,3,4),1.)
print(a)
print(b)
print(c)
# 1范數:所有資料的絕對值之和 , 2范數平方和開根號
print(a.norm(1),b.norm(1),c.norm(1))
print(a.norm(2),b.norm(2),c.norm(2))

輸出結果：
ss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2R4ZjEwMTc1MjQxNTc=,size_16,color_FFFFFF,t_70)

1范數和2范數，以c為例在指定軸分析 ：C為3D張量分別再0，1，2三個指定軸求1范數，分析資料的計算，
0軸：c的形狀為（2，3，4），在0軸分析，如果未設定軸保留=truse，則1 范數形狀應為（3，4）
在這里插入圖片描述
1軸：c的形狀為（2，3，4），在1軸分析，如果未設定軸保留=truse，則1 范數形狀應為（2，4），可以理解對在垂直方向相加，
在這里插入圖片描述
2軸：c的形狀為（2，3，4），在2軸分析，如果未設定軸保留=truse，則1 范數形狀應為（2，3），可以理解對在水平方向相加，
在這里插入圖片描述

代碼如下：

import torch

c = torch.full((2,3,4),1.)

print(c)
#在指定的軸求范數
#0軸
print(c.norm(1,dim=0))
print(c.norm(2,dim=0))
#1軸
print(c.norm(1,dim=1))
print(c.norm(2,dim=1))
#2軸
print(c.norm(1,dim=2))
print(c.norm(2,dim=2))

2.序號索引

.min() :獲取張量資料中的最小值，
.max() :獲取張量資料中的最大值，

1.未指定索引軸時

pytorch采用的是將整個張量打平和1D張量，根據最大值和最小值獲取位置索引，
.argmin() :獲取打平后張量資料中的最小值索引，
.argmax() :獲取打平后張量資料中的最大值索引，

2.指定索引軸時

代碼如下：

import torch

a = torch.arange(24).view(2,3,4).float()
print(a)
#列印張量的最大值和最小值
print(a.min(),a.max())
#列印張量最大值，最小值對應的索引,無引數指定時默認flatten
print(a.argmin(),a.argmax())
#若不想打平，則需要指定軸
#0軸可以理解未垂直方向取索引
print(a.argmin(dim=0))
print(a.argmax(dim=0))
#1軸可以理解為水平方向取索引
print(a.argmin(dim=1))
print(a.argmax(dim=1))
#1軸可以理解為水平方向取索引
print(a.argmin(dim=2))
print(a.argmax(dim=2))

0軸：a的形狀為（2，3，4），在0軸索引分析，是對應位置索引，索引值形狀未（3，4），
在這里插入圖片描述
1軸：a的形狀為（2，3，4），在1軸索引分析，可以理解為豎向（垂直）取索引，索引值形狀未（2，4），
在這里插入圖片描述
2軸：a的形狀為（2，3，4），在2軸索引分析，可以理解為橫向（水平）取索引，索引值形狀未（2，3），
在這里插入圖片描述

3.保持維度

keepdim :對指定的軸取索引時，如果保持軸數不變需要使用 keepdim 保持，

代碼如下：

import torch

a = torch.randn(4,10)
print(a)
#列印在1軸最大值及對應索引
print(a.max(dim=1))
#列印索引
print(a.argmax(dim =1))
print("***********************************")
#列印在1軸最大值及對應索引,保留軸
print(a.max(dim=1,keepdim = True))
#列印索引
print(a.argmax(dim =1,keepdim = True))

輸出結果：
在這里插入圖片描述

3.保留前K個值（TOP-K）

在分類問題中，由于各種原因，可能會出現，分類的某一問題概率值并不高，為了更準確的分類，我們會需要保留的大的前K個概率，進一步判斷藥分類的類別，
.topk(a) :保留前a個概率值，
.kthvalue(a) :需要注意的是保留第a個小的，并且只能設定為小，
代碼如下：

import torch

a = torch.randn(2,8)
print(a)
#largest 默認為True取最大的前k個，False取最小的前k個
#取最大的前3個及對應的索引號
print(a.topk(3,dim=1))
#取最小的前3個及對應的索引號
print(a.topk(3,dim=1,largest = False))
#取第k個小的值，只能取小
print(a.kthvalue(1,dim=1))

輸出結果：
在這里插入圖片描述

4.邏輯關系（ > < = !=）

大于：可以直接用多載運算子 > 或者==.gt（）== 大于（great）比較，
小于：可以直接用多載運算子 < 或者==.lt（）== 小于比較，
等于：可以直接用多載運算子 == 或者 .eq（） 等于（equal），
不等于：可以直接用多載運算子 != 或者 .not_equal（） ，
代碼如下：

import torch

a = torch.arange(9).view(3,3)
print(a)
#大于
print(a>5)
print(torch.gt(a,5))
#小于
print(a<5)
print(torch.lt(a,5))
#等于
print(a == 5)
print(torch.eq(a,5))
#不等于
print(a != 5)
print(torch.not_equal(a,5))

輸出結果：
在這里插入圖片描述
在這里插入圖片描述

四、where與gather

1.where 條件賦值

.where(condition , x, y ) ：如果滿足條件，會將x中對應元素賦值給輸出，不滿足則將y對應數值賦給輸出，

代碼如下：

import torch

condation = torch.randn(3,3)
print(condation)
x = torch.full((3,3),0.)
print(x)
y = torch.full((3,3),1.)
print(y)
#where 用法
print(torch.where(condation>0.5,x,y))

輸出結果：

在這里插入圖片描述

2.gather

.gather(input , dim, index,out =None) ：將資料索引映射到所需要的位置，

代碼如下：

import torch

#資料
data = torch.randn(3,6)
print(input)
#索引 在輸入的資料中在1軸上去前2個最大值及索引
indexz_data = data.topk(2,dim=1)
print(indexz_data)
idx = indexz_data.indices
#將資料索引映射到另一個位置 [50 - 56]
label = torch.arange(6) + 50
print(label)
#使用gathe進行對應查找
print(torch.gather(label.expand(3,6),dim=1,index = idx))

輸出結果：
在這里插入圖片描述

總結

本節，承上對Pytorch中常用的一些方法進行補充和解釋，敬請小伙伴們批評指正，學習討論，覺得有價值，勞駕動動食指，點個贊哈，

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/272885.html

標籤：python

上一篇：手把手教你掌握Java之資料型別和運算子

下一篇：python實作基于八方向判斷的斷裂連接

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態，例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1：當函式不可能拋出例外或不能接受拋出例外時，使用noexcept 理由 如果不打算拋出例外的話，程式就會認為無法處理這種錯誤，并且應當盡早終止，如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接：https://codeforces.com/problemset/problem/1400/E 來源：Codeforces 思路：給你一個陣列，現在你可以進行兩種操作，操作1：將一段沒有 0 的區間進行減一的操作，操作2：將 i 位置上的元素歸零。最終問：將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯，就附帶了一個自己的翻譯版本 思考 這一題，它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數，這里就不慢慢介紹了。但是，重讀題，我們突然發現反向質數都是 $7$ 位，而將它反過來后的數字卻是 $6$ 位數，這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記：C++中的 const 變數詳解，教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中，會分配記憶體（也就是說可以通過地址間接修改變數的值）。測驗代碼如下： 運行結果： 2、全域const變數存放在只讀資料段（不能通過地址修改，會發生寫入錯誤）， 默認為外部聯編，可以給其他源檔案使用（需要用extern關鍵字修飾） 運行結果： ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中，添加資源 2. 點擊新添加的資源，復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案，編輯，使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索，點擊查找全部，然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h，在其中預先定義好宏 ID（不清楚其實ID值應該設定多少，可以先新建一個相同的資源項，再在這個資源的ID值的基礎上遞增即可） 2. 在資源視圖中選中專案資源，按F7編輯資源檔案，按 ID 型別 相對路徑的形式添加 資源。（別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記：關于C++的參考型別，專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考，也叫別名。 參考就是給一個變數名取一個變數名，方便我們間接地使用這個變數。我們可以給一個變數創建N個參考，這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間，占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名，但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++：初學者完整指南

    眾所周知，C ++的學習曲線陡峭，但是花時間學習這種語言將為您的職業帶來奇跡，并使您與其他開發人員區分開。您會更輕松地學習新語言，形成真正的解決問題的技能，并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣（即清晰一致的編碼風格，在撰寫代碼時注釋代碼，并限制類內部的可見性），并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標（smart pointers）是一類資料結構，是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標（pointer）是一個包含記憶體地址的變數的通用概念。這個地址參考，或 ” 指向”（points at）一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身，參考傳遞（如果傳遞的值需要實體化到堆里）如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如： 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號：Hunter后端 原文鏈接：Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類，Extract() 和 Trunc() Extract() 函式作用是提取日期，比如我們可以提取一個日期欄位的年份，月份，日等資料 Trunc() 的作用則是截取，比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM？ JVM，全稱Java Virtual Machine（Java虛擬機），是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊，使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息！

    更新完微信服務號的模板訊息之后，我又趕緊把微信小程式的訂閱訊息給實作了！之前我一直以為微信小程式也是要企業才能申請，沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類： 位元組緩沖流：BufferedInputStream，BufferedOutputStream 字符緩沖流：BufferedReader，BufferedWriter 緩沖流的基本原理，是在創建流物件時，會創建一個內置的默認大小的緩沖區陣列，通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說，人太懶了，現在基本都不喜歡寫筆記了，但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的，寫的注釋挺全的，應該直接看得懂，就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景：視頻分段傳輸、視頻多段傳輸（理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發，從基本到高級概念，包括簡介，UWP，第一個應用程式，商店，XAML控制元件，資料系結，XAML性能，自適應設計，自適應UI，自適應代碼，檔案管理，SQLite資料庫，應用程式到應用程式通信，應用程式本地化，應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more

Copyright © 2010-2020 有解無憂