MTK 驱动开发(42)---GAT 工具使用

GAT 工具介绍:

1、关于GAT

  GAT是MTK在DDMS基础上进行二次开发封装的一个集多种debug功能为一体的工具,除了包含原有DDMS的功能以外还支持kernel抓取,获取native进程列表,backtrace decode,提取手机端debug信息等功能。当MTKLogger出现异常时,经常会需要使用GAT工具来抓取log。

  GAT工具放在Android software Tools Wxxxx_full.zip的压缩包里面或者以Wxxxx.zip.00x的分卷形式的压缩包里,解压后在里面的Debugging Tools (binary)目录下。
GAT工具会不定期更新,最新GAT工具会包含在上述tool package 里面通过FEX系统release。

2、GAT结构


2.1 GAT online 部分:

 
包括 android /kernel log recorder 、Debug、XLOG 设置、adb window、DB Puller

2.2录制Log

通过USB 口抓android log,通过USB 口或串口抓kernel log,通过XLOG 过滤log

2.1.1 Andorid Log

1.连接usbpc,确认手机usb debugging选项是开启的

2.打开GAT

3.设定log存储路径,window->preferences->savelog

4. 点击 设备名或进程

5.Adroid Log




 

3、使用GAT抓取log

如何用 GAT 抓取 log , 比如当 MTKLogger 出现异常,或 SD 卡不可用时, GAT3.0 为例。

1、抓取问题复现的log

1.连接usbpc,确认手机usb debugging选项是开启的

2.打开GAT

3.设定log存储路径,window->preferences->savelog

4.点击控制栏 L字样的按钮,开始录制

5.复现现象

6.再次点击L字样的按钮,停止录制

7.到第4步设定的路径上取log,并上传。

 2、抓取开机log

1.连接usbpc,确认手机usb debugging选项是开启的

2.手机关机

3.打开GAT

4.设定log存储路径,window->preferences->savelog

5.点击控制栏 L字样的按钮,开始录制

6.手机开机,进入待机5分钟以上

7.再次点击L字样的按钮,停止录制

8.到第4步设定的路径上取log,并上传。

 

更多信息,请参考DCC文档《GAT_User_Guide(Customer).docx


  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
TCN-GAT-TRANSFORM是一种基于TCN(Temporal Convolutional Network)和GAT(Graph Attention Network)的时间序列预测模型。该模型结合了TCN的卷积操作和GAT的图注意力机制,可以用于时间序列数据的建模和预测[^1][^2]。 TCN(Temporal Convolutional Network)是一种用于处理时间序列数据的卷积神经网络。它通过堆叠一系列的卷积层和残差连接来捕捉时间序列中的长期依赖关系。TCN的主要优势在于其能够通过卷积操作同时考虑多个时间步的信息,从而更好地捕捉时间序列中的动态模式。 GAT(Graph Attention Network)是一种用于处理图数据的注意力机制模型。它通过学习节点之间的注意力权重,将图中的节点和边的信息进行聚合和传播。GAT能够自适应地学习节点之间的重要性,并根据节点之间的关系进行信息传递,从而更好地捕捉图数据中的结构和特征。 TCN-GAT-TRANSFORM模型将TCN和GAT结合起来,利用TCN的卷积操作来提取时间序列数据的特征,然后使用GAT的图注意力机制来对特征进行加权聚合。通过这种方式,模型能够同时考虑时间序列数据的动态模式和节点之间的关系,从而更准确地进行时间序列的预测。 范例:<<引用:TCN-with-attention-master_attention_tcn_attention预测_attention-LS。TCN-with-attention-master_attention_tcn_attention预测_attention-LSTM_TCN预测_源码.zip。引用:基于TCN-Transformer模型的时间序列预测(Python完整源码)。基于TCN-Transformer模型的时间序列预测(Python完整源码),可以用于做光伏发电功率预测,风速预测,风力发电功率预测,负荷预测等,python程序 python代码,pytorch 基于TCN-TRANSFORM模型的时间序列预测的Python代码示例: ```python import torch import torch.nn as nn from torch.nn import Transformer from torch.nn import TransformerEncoder from torch.nn import TransformerEncoderLayer class TCN_GAT_TRANSFORM(nn.Module): def __init__(self, input_size, hidden_size, num_layers, num_heads): super(TCN_GAT_TRANSFORM, self).__init__() self.tcn = TCN(input_size, hidden_size, num_layers) self.gat = GAT(hidden_size, num_heads) self.transformer = TransformerEncoder( TransformerEncoderLayer(hidden_size, num_heads), num_layers ) self.fc = nn.Linear(hidden_size, 1) def forward(self, x): tcn_output = self.tcn(x) gat_output = self.gat(tcn_output) transformer_output = self.transformer(gat_output) output = self.fc(transformer_output) return output # 使用TCN_GAT_TRANSFORM模型进行时间序列预测 model = TCN_GAT_TRANSFORM(input_size, hidden_size, num_layers, num_heads) output = model(input_data) ``` 请注意,上述代码仅为示例,实际使用时需要根据具体的数据和任务进行适当的修改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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