Android Studio 模拟器的选择和安装

一、Android Studio 自带的AVD模拟器

Android Studio 程序可以在真机上调试运行,Android Studio 也提供了模拟器来调试运行,这时需要配置 AVD 来选择你调试程序的模拟环境。
1. 在 Intel CPU 的主机上启用 HAXM
在 Intel CPU 的主机上,为了加速AVD模拟器的运行速度,需要启用 HAXM 。如果在没有启用 HAXM 时就运行程序,调用AVD模拟器时会报如下错误:

emulator: ERROR: x86 emulation currently requires hardware acceleration!
Please ensure Intel HAXM is properly installed and usable.
CPU acceleration status: HAX kernel module is not installed!

出现此警告的原因是AVD模拟器调用X86架构的安卓虚拟机需要使用到Intel HAXM 引擎,而本机尚未进行安装导致。
此时,应该先进入 BIOS 启用 Virtualization Technology 选项。然后从 https://software.intel.com/en-us/android/articles/intel-hardware-accelerated-execution-manager/ 下载,也可以直接在 Android Studio 的 SDK 中下载,再安装即可。


2. 对于非 Intel CPU 的主机
对于非 Intel CPU 的主机或不能安装 HAXM 的主机(像我的云主机),则只能选择 arm 模拟器 或 选择其它第三方的模拟器 (像Genymotion)。
arm 模拟器的设置如下,不过一般情况下, arm 模拟器速度很慢 (像我的云主机启动它需要个吧小时),所以,应该尽量选用Genymotion等虚拟机。

3. 设置
如果以上配置无误,就可以运行程序试试。如果出现类似如下面的警告:
emulator: WARNING: Requested RAM size of 1536MB is too large for your environment, and is reduced to 1152MB.
emulator: device fd:596
HAXM is not working and emulator runs in emulation mode
emulator: The memory needed by this AVD exceeds the max specified in your HAXM configuration.
emulator: AVD RAM size = 1152 MB
emulator: HAXM max RAM size = 1024 MB
emulator: You might want to adjust your AVD RAM size and/or HAXM configuration to run in fast virt mode.
Cannot set up guest memory ‘pc.ram’: Invalid argument
警告提示模拟器RAM过大,需要在 AVD 中将模拟器的RAM改为512~1024,这样模拟器才能正常启动。

 

二、android studio外挂Genymotion模拟器

Genymotion虚拟机可以模拟Galaxy、SAMSUNG、SONY、HTC等主流手机,运行速度快,是现在广受欢迎的虚拟机。Genymotion依赖 VirtualBox 加载手机虚拟机。
1. 安装 VirtualBox
https://www.virtualbox.org/wiki/Downloads
下载 VirtualBox ,再安装,过程从略。
2. 安装 Genymotion
https://www.genymotion.com/download/ 下载 Genymotion ,下载是要用邮箱注册账号后才能下载。
官网提供了两个版本,带有VirtualBox的Genymotion整合包和不带VirtualBox的Genymotion安装包,可以根据需要下载相应版本安装。安装过程从略。
3. 下载 .ova 虚拟设备
启动 Genymotion,添加对应手机的 Virtual device ,如下图。


不过如果因为墙的阻挡,也许会下载出错。如果Genymotion添加 Virtual device 时出现如下的错误:

Failed to deploy virtual device.
Unable to create virtual device:
Connection timeout occurred.

那就只好手工下载 Virtual device 的离线.ova文件了。
方法一:下载官方离线.ova文件
即使刚才下载失败了,但是它已经在 “C:\Users\用户主目录\AppData\Local\Genymobile\genymotion.log” 文件里保留了官方.ova文件的地址,打开该文件,找到类似 “http://files2.genymotion.com/dists/6.0.0/ova/genymotion_vbox86p_6.0_160114_090449.ova” 的路径,即您想要下载的.ova镜像文件URL;复制到浏览器或用第三方下载工具下载该文件。
方法二:贴吧下载
有些网友下载了一些.ova文件,大家可以在网上搜搜,也可以到百度贴吧里找找。像下面的地址里就有一些:
链接: http://pan.baidu.com/s/1jHfuJNg 密码: 222g
4. 安装下载的.ova 离线文件
下载好后拷贝到 “C:\Users\用户主目录\AppData\Local\Genymobile\Genymotion\ova” 文件夹下。
然后打开 VirtualBox -> 管理 -> 导入虚拟电脑 (快捷键:Ctrl+I ) -> 选择下载好的 .ova 文件 -> 下一步 -> 导入 。导入完成之后就OK了。这时候打开Genymotion就看到可以使用了。
5. 将Genymotion加入 Android Studio
如下图,在 Android Studio 的 Setting 中加入 Genymotion 的插件即可。




6. 运行 Genymotion
现在可以点击 Android Studio 上的 Genymotion 图标来运行虚拟机,如果此时出现如下错误说明需要重装或升级显卡驱动。
make sure that your video card supports OpenGL 2.0 and update the drivers.

五、运行
正常运行后,可以通过虚拟机的
Settings -> Language & input -> Language -> 中文(简体) 将虚拟手机中文化。


然后,可以在虚拟机里调试程序了。


 

三、真机模拟器

对于我这刚入门的菜鸟来说,我在配置Android的开发环境中,遇到的问题实在是太多了,都快花费我一个星期的时间了,在这期间出了翻墙下载SDK之外,其他的世间都在搞Android virtual device出现的问题,由于本人的能力有限以及电脑配置的不给力,Android virtual device中出现的问题始终都没有得到解决,后来看了网上很多人都在说使用Google自带的Android virtual device来进行调试运行时会比较慢,性能也不是很好,然后使用真机模拟的话速度是比较快的,效果也不错。那么接下来我要讲的就是如何在Android studio中使用真机进行调试以及在这过程中遇到的一个问题


首先,你要先创建好一个项目




接着在工具栏中找到APP这个按钮,选择Edit Configurations




在弹出的对话框中,找到“ Deployment Target Options” 并选择“ USB Device ”,然后点击确定



以上配置完之后,我们就可以进行调试了,在工具栏中找到绿色的三角符号按钮(或者按快捷键Shift+F10)运行项目



启动run后,软件开始生成apk安装包,并自动安装到手机上,第一次执行的话会慢一些,往后就快了。然后我们识别出来的设备可以再Android Monitor这一栏中看到



安卓手机也自动安装好app并自动执行





在以上的操作过程中,出现了一个问题,在Android Monitor这栏中,没有识别出我们的手机设备,显示No Connected Devices



出现以上的原因是电脑中的驱动没有安装好,Android studio不能识别出我们的设备,然而解决方法很简单,我们只需要这我们的电脑中安装一个豌豆荚就可以了,这个应用可以帮我们直接搞定设备驱动安装的问题。



真机调试参考自:http://jingyan.baidu.com/article/fea4511a75d627f7ba912540.html


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值