Ubuntu下以USB调试方式链接Android手机

ubuntu11.04下使用USB转串口-minicom 前言 搞了半天,想在Linux下通过终端控制ARM板,开始想用VM的Swrial Port 结果我的VM不知道怎么无法识别com口,就直接用usb接口吧  1.在PC机的UBUNTU下安装minicom #apt-get install minicom 2.VM连接USB串口 a.在VM的右下角会看到Prolifi 阅读详情

1、下载android1.6 SDK
因为我的固件版本为android1.6因此下载sdk1.6
http://dl.google.com/android/android-sdk-windows-1.6_r1.zip
http://kugou.me/android-sdk-linux_x86-1.6_r1.tgz

将SDK解压到
~/android/android-sdk-linux_x86-1.6_r1

2、安装eclipse
因为android官方推荐使用eclipse,而且官方也推出了eclipse插件ADT辅助开发。
去eclipse官方网站下载eclipEclipse IDE for Java EE Developers (For Linux 32/64 bit)
eclipse不用安装,直接解压到目录中运行eclipse就可以了。

3、安装ADT
打开eclipse
Help--> Install New SoftWare..
Add...
添加Location:http://dl-ssl.google.com/android/eclipse
点击下一步 接受 下载 安装。

4、配置ADT
安装ADT后会重启eclipse
首先需要指定SDK目录:
Window--> Preferences--> android -->SDK Location:
指定路径为~/android/android-sdk-linux_x86-1.6_r1
OK。现在可以新建虚拟机创建android工程进行开发调试了。
关于如何使用eclipse+ADT开发android应用程序在网上有大量的教程,请自己google :)

--下面是用USB调试方式连接手机的方法--

 

1、用USB接手机(手机需要切换到usb调试模式 设置-->应用程序-->开发-->usb调试)

 

lemon@*:~/android-sdks/platform-tools$ lsusb
... ...
Bus 001 Device 003: ID 5986:0241 Acer, Inc BisonCam, NB Pro
Bus 002 Device 006: ID 19d2:1382 ONDA Communication S.p.A.
Bus 002 Device 003: ID 1058:1023 Western Digital Technologies, Inc.
Bus 003 Device 002: ID 147e:1001 Upek
Bus 004 Device 002: ID 093a:2516 Pixart Imaging, Inc.
Bus 005 Device 002: ID 0a5c:2150 Broadcom Corp. BCM2046 Bluetooth Device

看到上面紫色字体了吗,那就是udev识别的usb调试设备标识 idVendor=19d2, idProduct=1382
大多数ZTE android手机应该都一样。

事实上可以去官网查 USB Vendor IDs 列表:

http://developer.android.com/guide/developing/device.html#VendorIds

如: ZTE 19D2

 

2、配置udev规则文件,调整设备文件权限
接下来我们就可以根据前面获得的usb调试设备标识来调整我们的设备文件的各种属性以帮助android sdk识别usb调试设备。
在/etc/udev/rules.d下创建规则文件50-android.rules

# mk file with a new window

sudo gedit 50-android.rules

 

# add something as:

SUBSYSTEMS=="usb",ATTRS{idVendor}=="19d2" ,SYMLINK+="android_adb",OWNER="lemon"

 

# save & close window

 

cat 内容如下:
lemon@*:/etc/udev/rules.d$ cat 50-android.rules
SUBSYSTEMS=="usb",ATTRS{idVendor}=="19d2" ,SYMLINK+="android_adb",OWNER="lemon"


ATTRS{idVendor} 为上一步获得的 idVendor 参数
SYMLINK 参数使设备目录增加一个连接文件指向原设备文件
OWNER
为你当前的用户,也是你运行adb服务的用户
(这里要特别注意,我们的目的就是使android手机调试设备文件的所有者权限与开启的 adb 服务的所有者权限相一致,这样usb设备才能被adb服务识别)。

运行以下命令使刚更改的配置生效 (用不了? 有事没事man一下了)
sudo udevadm control --reload-rules

 


4、拔插一下USB,生成新的设备文件
这时会在/dev/下出现一个连接文件android_adb,它指向的设备就是你的USB调试的手机设备。(我心急没去看那个文件)

 

5、开启adb服务,搜寻usb调试设备
在~/android/android-sdk-linux_x86-1.6_r1/tools下运行
$./adb kill-server
$./adb start-server
$./adb devices                             #列出所有已识别设备
List of devices attached

ZTE_SP920    device                 #这个就是我的手机usb设备了

 

安装一个apk试试吧
./adb install *.apk

 

在eclipse中也可以发现连接的手机设备,进行开发调试,当然前提是adb服务已经识别usb设备。
秀一张eclipse下调试android程序的图片:

 

注:获取设备的udev标识的方法多样, 上面介绍的方法只是其中一种,也是比较准确的一种 :)
如果你知道usb设备的设备文件,在获得idVendor时也可以使用其他命令,如:
udevinfo -a -p /sys/class/usb_device/...
udevinfo -e
而且在使用 udev 配置规则文件时可以使用任何一个参数来指定设备。

 


ubuntu使用配置usb调试开发app ps:本人使用的手机是酷派的,如果你也使用酷派f2作为开发的测试工具,那么你要注意一些问题。 就是当手机和你的电脑使用usb链接的时候,会出现四种模式可以选择。 依次是:文件传输,照片传输,网络共享,仅充电 这里我们不可以选择仅充电 这一项,不然会配置失败。注意注意!!!!! 第一步 电脑链接手机,使用lsusb然后查看,shell输出 断开电脑和手机的链接再一次使用 lsusb命令查 阅读详情

相关推荐

C#与发那科机器人通信实战:从SDK配置到机械臂控制

本文详细介绍了如何使用C#与发那科机器人进行通信,从SDK配置到机械臂控制的完整实战流程。内容包括环境准备、通信连接建立、机械臂运动控制、异常处理与状态监控,以及高级功能实战,帮助开发者快速掌握工业机器人编程技术。

weixin_42524276的博客 460

vmware虚拟机中ubuntu系统里设置USB串口连接海思开发板

vmware虚拟机中ubuntu系统里设置USB串口连接海思开发板 作为海思平台的一个新手,在学习海思开发板时,会因为一个很小的问题折腾半天,但是当解决一个小问题时还是很兴奋的,记录下自己学习过程。 在开发板连接上电脑后,首先确定连接的方式是USB串口连接(因为网上很多帖子都是说通用COM串口),在vmware虚拟机右下角有设备连接状态,如下图: 右击该串口选择连接 虚拟机即可连接上USB串口,然后需要在虚拟机的Ubuntu系统中找到该设备,并设置和打开minicom 查看该串口设备信息命令:dmesg

KingMingle的博客 1729

MIPI CSI-2数据加扰技术解析:LFSR实现与多通道同步策略

本文深入解析了MIPI CSI-2协议中的数据加扰技术,该技术通过线性反馈移位寄存器(LFSR)对图像数据进行随机化处理,旨在有效降低高速传输中的电磁干扰。文章详细阐述了LFSR的工作原理、D-PHY与C-PHY物理层不同的初始化与同步策略,并探讨了多通道同步的实现方法,为高速接口的EMC设计与调试提供了实践指导。

weixin_29207149的博客 386

ubuntu连接安卓设备

至此,我的一加手机已经可以通过MTP协议连接到ubuntu上面了。值得注意的是以上操作都是在root下完成的。如果root是禁用状态的朋友们请使用sudo命令。如果当前账户不在sudo组里可以参考我的另一个文章,进入recovery模式将该用户添加到sudo组里。如上第二行便是我的安卓设备,显示是高通公司记住ID号码05c6和6774。2.编辑/etc/fuse.conf文件。如上第三步得到的ID在这里用上了。如上所示取消最后一行的注释。3.查询自己的安卓设备。4.添加udev规则。5.重启udev服务。

weixin_71792169的博客 1021

BlenderGis安装碰到问题,ImageIO、无法点击和地图不加载

BlenderGis安装碰到问题,ImageIO、无法点击和地图不加载问题

qq_45176349的博客 4969

Linux: ubuntu Appium连接手机

1、Android或者HarmonyOS 开启开发者模式 1、打开手机设置,找到“关于手机”,点击进去 2、点击“版本号”,多点击几次,确保手机处于“开发者模式” 2、Android或者HarmonyOS 开启USB调试 1、打开手机设置,找到“系统和更新”,点击进去 2、找到“开发人员选项”,点击进去 3、打开“USB调试” 3、在电脑命令行界面执行“lsusb”(连接手机前后),找到手机的usb信息 4、在/etc/udev/rules.d/ 目录下找到android的rules文件,如果没

sunzhanl的博客 5085

ADBC 全面解析:ABAP 开发者玩转 Native SQL 的实战指南

本文介绍了 SAP ABAP 中的 ADBC(ABAP Database Connectivity)技术,它是一种基于 ABAP 面向对象的类库,用于访问 Native SQL 接口。与 Open SQL 和 EXEC SQL 相比,ADBC 具有以下优势:支持特定数据库语法、可访问二级数据库连接、执行多种 SQL 操作且语法更 ABAP 化。文章通过示例展示了 ADBC 的基本用法,包括创建语句对象、执行查询和处理结果集。建议在需要数据库特有功能或二级连接时优先使用 ADBC,同时提供封装类来简化调用。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 314

vmware Ubuntu下调试Android studio 小米手机

设置Ubuntu的方法: 在命令行下,输入: lsusb 输出为: Bus 001 Device 004: ID 17ef:6050 Lenovo Bus 001 Device 003: ID 17ef:1003 Lenovo Integrated Smart Card Reader Bus 001 Device 002: ID 8087:0024 Intel Corp. Integrated Rate Matching Hub Bus 001 Device 001: ID 1d6b:0002 Linux

左手coding,右手cooking 729

华为OD机试双机位C卷-水库溃坝填补(Py/Java/C/C++/Js/Go)

华为OD机试(机考)双机位C卷 【水库溃坝填补】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。水库溃坝填补。

qq_45776114的博客 2110

激光雷达点云配准:ICP与NDT算法详解

激光雷达点云配准:ICP与NDT算法详解​ ,人工智能,计算机视觉,大模型,AI,本文深入解析激光雷达点云配准的ICP与NDT算法。阐述了点云配准基础概念与评价指标,详解ICP算法原理、流程、最优变换矩阵计算、优缺点及改进版,给出Python代码示例;同样解析NDT算法的原理、流程、模型构建、优缺点、参数选择与代码示例。还对比两者在精度、效率、鲁棒性和适用场景的差异,提供算法选择建议,介绍实际应用案例、常见问题及解决方法,探讨算法发展趋势。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 15万+

天天记录 - Ubuntu 下搭建Android环境 - Ubuntu配置识别Android手机

Ubuntu识别不到手机,使用adb devices会显示: List of devices attached ???????????? no permissions     原因是Ubuntu与Android手机链接需要使用adb,而adb需要root身份运行,Ubuntu默认是使用非root执行命令,既然知道原因了,执行adb前面加一个sudo 赋予权限就可以了 一 基

Android 3203

在轻量化与精度之间取得平衡:YOLOv8 + GhostNet 的设计与实验分析

摘要: GhostNet系列(GhostNet、GhostNetv2、GhostNeXt)通过“幽灵特征图”技术,以极低计算量生成丰富特征,为YOLOv8提供轻量化改造方案。该技术能在减少参数量与计算量的同时保持或提升检测精度,适用于边缘设备部署。实现时需替换YOLOv8的Backbone为GhostNet模块,并通过消融实验验证其有效性。实验数据表明,改造后的模型在参数量降低30%的同时,推理速度提升28.6%,mAP@0.5最高提升1.9个百分点,平衡了轻量化与精度,为毕设提供技术创新性与工程落地性的双

m0_64661770的博客 196

Ubuntu安卓手机投屏

之前还在用windows的时候,360有自带的手机管家可以将手机屏幕投放在电脑屏幕上,而切了Ubuntu之后,这个需求就一直无法实现。 其实解决方案很简单,只需要使用scrcpy框架就可以了,然而如果按照"Ubuntu","安卓手机投屏"这几个关键词去搜,搜出来的往往是不够实用或者是无关的信息,我也是偶然看到微信公众号的推送才知道有这个神器的,用它不仅仅可以实现投屏,甚至可以在电脑上操作手机,结合...

zekdot的博客 1万+

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

linux小米3调试方法,Ubuntu的Android Studio调试小米手机的方法

设置Ubuntu的方法:在命令行下,输入:lsusb输出为:Bus 001 Device 004: ID 17ef:6050 LenovoBus 001 Device 003: ID 17ef:1003 Lenovo Integrated Smart Card ReaderBus 001 Device 002: ID 8087:0024 Intel Corp. Integrated Rate Ma...

weixin_39918084的博客 219

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

小米手机手机远行linux,Ubuntu的Android Studio调试小米手机的方法

设置Ubuntu的方法:在命令行下,输入:lsusb输出为:Bus 001 Device 004: ID 17ef:6050 LenovoBus 001 Device 003: ID 17ef:1003 Lenovo Integrated Smart Card ReaderBus 001 Device 002: ID 8087:0024 Intel Corp. Integrated Rate Ma...

weixin_42548874的博客 446

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ubuntu下安卓刷机教程和scrcpy无线控制手机

由于手头有个闲置的安卓手机,平时一般固定在手机支架上(如下图),当做时钟、闹钟还有树莓派远程桌面,偶尔也拿来看看视频,但是每次拿上拿下太麻烦了。突然想到能不能用电脑来控制手机,这样就方便的多了。所以心血来潮,立马开搞。折腾了几个小时,晚上12点折腾到凌晨2.30。记录一下ubuntu下的刷机方法、使用scrcpy无线控制手机的过程以及遇到的问题。 首先,Ubuntu下的安卓刷机(因为windows下的刷机以前刷过好多次,继续在windows下刷机就没意思了,刚好现在用的基本都是ubuntu系统,索性就玩玩

weixin_38009585的博客 2180

ubuntu android 真机调试,Ubuntu下AndroidStudio的真机调试

手机设置里面,开启开发者选项,然后再打开USB调试(我的小米手机需要USB打开方式为文件传输)查看手机端口id终端输入命令 lsusb, 系统会列出所有的usb设备。例如:Bus 004 Device 002: ID 8087:0024 Intel Corp. Integrated Rate Matching HubBus 004 Device 001: ID 1d6b:0002 Linux Fo...

weixin_39539684的博客 278

Ubuntu环境下android开发,连接真实手机调试方法

在ubuntu环境下进行android开发,想把目标设备定为真实的手机。 如果没有进行正确配置,打开手机usb调试模式连接到电脑后,在eclipse里面手机名字显示为一堆???号,且无法使用。 需要以下的步骤才能连接到: 1 把手机设备为usb调试模式并和电脑连接(方法:Settings > Applications > Development and enable USB debuggi

heiantianshi1的专栏 4676

android:ksweb、busybox、虚拟机、Termux(高级终端)

手机已经 root安装 tsu,这是一个 su 的 Termux 版本,是一个真正的 root 权限,用来在 Termux上替代su,操作不慎可能对手机有安全风险,因为官方封装了,所以安装也很简单:安装 tsu:pkg install tsu -y切换到 root:tsu退出 root:exittsu切换 root 用户时会弹出 root 授权提示,给予其 root 权限即可。在管理员身份下输入 exit 可回到普通用户身份。

freeking101的博客 10万+

linux链接adb调试,android开发教程之ubuntu使用adb连接小米2的步骤和adb调试方法

步骤:分两步一、usb连接:在Ubuntu挂载使用MTP设备步骤如下:1.将MTP设备连接至PC机2.如果是第一次使用MTP设备需要安装以下软件,否则可以跳过此步骤:$ sudo apt-get install mtpfs libfuse-dev libmad0-dev3.挂载MTP设备$ sudo mtpfs -o allow_other /media/mtp如果提示设备忙,可以等一会再挂载。二...

weixin_39928017的博客 426

无线投屏手机(安卓)屏幕到 Linux(ubuntu 22.04)桌面

无线投屏安卓手机到 ubuntu

小猪爱拱地 6349
上一篇: C语言的谜题
下一篇: Android下使用NDK 笔记
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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