adb常用命令

卸载:python deploy.py unload
安装:python deploy.py debug new

抓log日志
保存在电脑
adb logcat -v time > kkk.log(保存的路径)

2:
adb shell     
$ logcat -v time > sdcard/111.log(保存在手机sd卡里面)

提取
adb pull sdcard/lll.log(后面的为log日志名称)

卸载当前程序
python deploy.py unload
 
安装程序
 python deploy.py debug new
 
 杀掉进程
 1: adb shell
 2: $su
 3: # ps |grep
 4: #kill 1810(包名那一项)
 
 重启设备
 adb reboot
 
 截屏:
adb shell screencap -p /sdcard/hello.png

杀掉进程
adb shell am force-stop com.

安装apk
adb install -r .\apk(名字)TAB键

日志展示在当前窗口
adb logcat -v time |grep ()包名)

卸载当前程序
adb uninstall (包名)

安装apk
adb install -r +(apk名称)

返回上一级
cd..

打开目录下的所有文件
dir

录制屏幕
adb shell screenrecord /sdcard/demo.mp4
取出 adb pull /sdcard/demo.mp4

屏幕截图
adb shell screencap /sdcrad/1.png
取出 adb pull /sdcrad/1.png

杀monkey进程
C:\Python34\Scripts>adb shell
shell@j6headunit:/ $ ps | grep monkey
shell     3233  185   1059288 60052 futex_wait b6d295e8 S com.android.commands.monkey
shell@j6headunit:/ $ kill 3233

版本号低的话
adb install -d -r (apk名称)

sd卡创建文件
adb shell
cd sdcard
ls
touch asr.toast

抓音频
adb shell "am broadcast -a start_asr_save_pcm_all --ei time 60"

停止抓音频
adb shell "am broadcast -a stop_asr_save_pcm"

取出文件夹adb pull /sdcard/sse/

删除文件夹
adb shell "rm -rf /sdcard/sse"

打印文件夹的信息
adb shell "ls -l /sdcard/sse

播放pcm格式
cooledit
Audacity

取出sd卡里面的log日志
adb pull /sdcard/Android/data/

清除
adb shell pm clear

找不到应用图标
adb shell am start -n 包名/activity
查看当前activity的命令
  (包名)

模拟home键
adb shell input keyevent 3

root手机
adb root

恢复出厂设置
adb reboot recovery  

清除数据
adb reboot wipedata 
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
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