[安卓]Android Unable to resolve target 'android-8'

转载自:http://blog.163.com/jenny_tyb/blog/static/208669106201272922654303/

今天导入一个Android的例子程序,出现了 Unable to resolve target 'android-8' 的错误。
刚开始以为是没导入包或者是 phoneGap 没配置好。可是折腾了好久还是报错。
最后 google 之后才发现原来是 ADK 版本不同。

ADK版本:---API Level对应关系(注意高版本不一定是兼容低版本的)
android2.3.4---10
android2.3.1---9===Gingerbread
android2.2---8===Froyo
android2.1---7===Eclair
android2.0.1---6===Eclair
android2.0---5===Eclair
android1.6---4===Donut
android1.5---3===Cupcak
android1.1---2 
android1.0---1
解决办法:
1、修改 project.properties 里的 target=android-8(若是 android2.2 开发的情况下)
2. 项目右键打开项目属性,在左侧选择 Android,在右侧选择具体的 android 版本。
选择好后,再项目右键,在 android Tools 下选择 Fix Project Properties 
3. 如果没有 default properties,自己建下,然后 target=android-10

JDK 版本:
1.5 只支持继承 Class 的子类用 @overwrite 覆盖方法
1.6支持实现接口的子类用 @overwrite
解决办法:window -->preferences -->java -->compliance-->compiler 在右侧,
选择为 1.6 或其他的,点击 apply,点击 ok(1.6 向下兼容)。

添加额外的库支持:
首先要加入 android.jar 这个包,右键工程 Buildpath,
java buildpath,选择 libraries
在右边的按钮中点击 “AddLibrary”
选择 “Userlibrary”,点击“下一步”
点击 “Userlibrarys” 按钮
在出现的界面中点击 “New..” 按钮
在弹出的界面中随便起一个名字,点击 “确定”
点击 “Add jars” 按钮选择第三方 jar 包,点击 “确定” 完成操作。

下面提供一个 phoneGap + Eclipse + ADK 的环境配置链接,希望能帮到你:
http://www.phonegap.cn/?page_id=442#android

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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