自动化-Android logcat使用

【logcat命令介绍】:


logcat是Android中一个命令行工具,可以用于得到程序的log信息。

语法:
[adb] logcat [<option>]…[<filter-spec>]….

pc端执行:
adb logcat

【logcat缓冲区】:

-b <buffer>
Android的Log输出量巨大,因此Android把Log输出到不同的缓冲区。4个
Radio
System
Event
Main
不指定缓冲区默认System和main缓冲区

adb logcat -b radio
abd logcat -b system
adb logcat -b events
asb logcat -b main

举例:
adb devices
adb -s 设备 -b system/events/radio/main
所有缓冲区输出:
adb -s 设备 -b system -b events -b radio -b main

【logcat 命令参数】:

-b
-c:清除缓冲区中的全部日志并退出
-d:将缓冲区log转存到屏幕中然后退出
-f<filename>:将log输出到指定文件中  
举例: 
logcat -f /data/local/tmp/log.txt   
logcat -f /data/local/tmp/log.txt  -n 10 -r 1

-g:打印日志缓冲区的大小并退出
-n<count>:设置日志的最大数目默认是4 需要和-r一起使用
-r<kbytes>:需要和-f一起用,默认为16
-s:设置过滤器
-v<format>:设置输出格式

自动化测试:可以先-c 用例跑完了再用-d 输出到某个文件 这样整个过程再大的数据流也不会影响手机性能

【logcat 格式化输出】: 

日志消息包含一个元数据字段,除了标签和优先级。可以修改输出显示一个特定的元数据字段格式的消息。
为此,使用-v选项来指定一个支持的输出格式,以下为支持的格式:
brief:显示优先级/标记和过程的PID发出的消息(默认格式)
process:只显示PID(进程)
tag:只显示优先级/标记
raw:显示原始的日志消息,没有其他元数据字段
time:调用显示日期、时间、优先级/标签和过程的PID发出消息
threadtime:调用显示日期、时间、优先级、标签以及PID TID线程发出的消息
long:显示所有元数据字段与空白行和单独的消息

当logcat开始,可以指定想要的输出格式使用-v选项:
[adb]logcat[-v<format>]
这里有一个例子,展示了如何生成消息的线程输出格式:
adb logcat -v thread
*请注意,只能指定一个输出格式-v

*时间、进程、线程、过滤级别、标签


【logcat 优先级语法】: 


优先级使用字符标识,以下优先级从低到高:
V:Verbose(最低优先级)什么都输出
D:Debug  调试的信息
I:Info
W:Warning 警告信息
E:Error  
F:Fatal   严重错误
S:Silent  静默不输出

优先级语法:减少日志的输出可以建立一个过滤器 过滤器语法:tag:priority
adb logcat ActivityManager:I MyApp:D *:S
输出 I 以上级别;
D以上级别 ;
*:S设置成静默.

常用设置环境变量:
export ANDROID_LOG_TAGS=” ActivityManager:I MyApp:D *:S



### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
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