Android ADB命令大全（持续更新）

Over_dose Over_dose 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.9k累计阅读 2k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄10年
关注
原创 最新推荐文章于 2026-07-12 09:48:40 发布 1.9k 阅读 AI 写同款· GEO 优化 ›
Android工具adb下载安装环境配置详细教程 在使用ADB时，请确保你了解每个命令的作用和可能带来的风险，并谨慎操作。同时，为了保护你的设备和数据安全，请避免在未知或不受信任的来源上下载和安装应用。ADB通常作为Android SDK的一部分提供，因此，您可以从Android开发者网站下载Android Studio，并在安装时选择包括ADB。配置完环境变量后，您可以打开命令行工具（在Windows中是CMD，在Mac中是Terminal），输入。为了方便在命令行中使用ADB，您需要将ADB的安装目录添加到系统的环境变量中。命令来设置环境变量。 阅读详情

一、ADB介绍

ADB (Android Debug Bridge) 是一个通用命令行工具，它允许您与连接到计算机的 Android 设备进行通信。是安卓相关开发者常用必备工具。

详细可以从官网去了解更多
Android 调试桥 (adb)  |  Android Studio  |  Android Developers

二、ADB下载与安装

adb 包含在 Android SDK 平台工具软件包中。您可以使用 SDK 管理器下载此软件包，该管理器会将其安装在 android_sdk/platform-tools/ 下。如果您需要独立的 Android SDK 平台工具软件包，请点击此处进行下载。

1.下载

官方下载地址：

https://developer.android.google.cn/tools/releases/platform-tools?hl=zh-cn

国内部分网友备份的下载地址：

https://gitee.com/awake558/platform-tools

https://gitee.com/David-EmDevTools/Android-SDK-platform-tools

2.安装

下载的压缩包直接加压; 然后接吧platform-tools的文件夹路径加入到环境变量中即可

配置好后，打开命令行，输入adb (--)version，即可看到是否安装成功，成功会正常显示adb版本及安装路径

三、常用ADB命令

1.基础命令

查看adb版本及安装路径：adb version

查看已连接设备：adb devices

当连接多个设备时，指定某个设备操作：adb -s [device name] shell

启动/关闭服务：adb start-server/adb kill-server

截图：

将手机里文件复制到电脑：adb pull [手机文件目录] [本地电脑文件目录]

将电脑里文件复制到手机：adb push [本地电脑文件目录] [手机文件目录]

安装apk：adb install [apk路径]，如adb install -r -t -d xxx/yyy.apk

  有几个参数： -r 覆盖安装，保留数据

                         -t 允许安装测试apk，即开发常常用到的debug版本

                        -d 允许版本降级安装，即要安装的版本低于手机里的应用版本

                        -g 在安装 APK 时授予所有运行时权限

卸载应用：adb uninstall [apk包名]，如adb uninstall com.xxx.yyy

重启手机：adb reboot

获取root权限：adb root

挂载设备：adb remount

2.logcat相关

android输出logcat日志中的优先级/tag标记，顺序是从低到高：

V — verbose(最低优先级)
D — debug
I — info
W — warn
E — error
F — fatal
S — silent

打印日志：adb logcat

打印日志输入到文件：adb logcat > D:xxx.txt

打印带时间的日志：adb logcat -v time

打印某个应用的日志：adb logcat | findstr com.xxx.yyy （windows用findstr，linux用grep）

打印warn级别及以上的日志：adb logcat *:W

打印某个TAG的日志：adb logcat -s [TAG标签名]

清除缓存日志：adb logcat -c

3.shell 命令

进入设备：adb shell

截屏：adb shell screencap /sdcard/screen.png

录屏：adb shell screenrecord /sdcard/video.mp4

查看已安装的应用：adb shell pm list packages

查看已安装的系统应用：adb shell pm list packages -s

查看已安装的三方应用：adb shell pm list packages -3

查看某个应用的信息：adb shell pm dump [应用包名] | findstr version

查看某个应用包的路径：adb shell pm path [应用包名]

清除某个应用缓存：adb shell pm clear [应用包名]

列出设备用户：adb shell pm list users

查看屏幕分辨率：adb shell wm size

查看屏幕dpi：adb shell wm density

修改屏幕分辨率：adb shell wm size [WIDTH]x[HEIGHT]，如adb shell wm size 1920x1280

修改屏幕dpi：adb shell wm density [dpi值]，如adb shell wm density 480

恢复默认屏幕分辨率：adb shell wm size reset

恢复默认屏幕dpi：adb shell wm density reset

模拟按键：adb shell input keyevent [KEYCODE_ENTRY]

    如，按下home键：adb shell input keyevent KEYCODE_HOME

    按下back键：adb shell input keyevent BACK

    按下电源键：adb shell input keyevent 26，（keyevent后面也可以跟数字表示键值）

模拟触摸事件：adb shell input tap x y，x和y表示触摸屏幕上点的坐标

模拟滑动事件：adb shell input swipe x1 y1 x2 y2，x1、y1和x2、y2分别表示滑动前后屏幕上点的坐标

输入文本：adb shell input text [inputtext]

启动某个activity界面：adb shell am start -n 包名前缀加类名

    - n， component 指定带有软件包名称前缀的组件名称以创建显式 intent，如，adb shell am start -n com.android.settings/.Settings

    -a， action 指定 intent 操作，如 android.intent.action.VIEW。只能声明一次。

查看当前界面是哪个应用的哪个activity：adb shell dump window | findstr mCurrent

查看设备参数信息：adb shell getprop

    后面跟具体某个参数key，查看其value值，如adb shell getporp ro.build.date

    还可以加findstr 过滤字段，如adb shell getprop | findstr build

设置设备属性参数值：adb shell setprop [属性名称] [属性值]

查看设备存储的settings provider属性：adb shell settings get [namespace] [属性名称]

    namespace，属性所属的范围，分为system、secure、global三种

设置设备存储的settings provider属性：adb shell settings put [namespace] [属性名称] [属性值]

标签
#android #adb
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
小知识·adb安装和使用方法 adb安装和使用方法 阅读详情

相关推荐

【Android笔记】ADB 操作命令总结(持续更新)

ADB，即是一种允许和已连接的Android设备进行通信的命令行工具，它可为各种设备操作提供便利，如安装和调试应用，并提供对Unix shell（可用来在模拟器或连接的设备上运行各种命令）的访问。可以在中找到adb工具或下载ADB Kits。

Ho博客 1550

adb 工具下载及其环境配置

adb 安装及环境配置

qq_44990348的博客 1万+

Android adb常用命令集合

adb 和 adb shell常用命令。

非洲的企鹅 1528

adb下载安装及使用教程

Windows系统： a. 右键单击“此电脑/我的电脑”图标，并选择“属性”。b. 选择“高级系统设置”。访问以下网址：https://developer.android.com/studio/releases/platform-tools，然后找到并下载适合您操作系统的压缩包。将“path/to/backup.ab”替换为导出数据的文件路径，“package.name”替换为应用程序的包名。将“package.name”替换为应用程序的包名，“activity.name”替换为应用程序的活动名称。

DYFdingyifei的博客 2882

adb驱动和adb工具官方下载链接

adb驱动

a1809032425的博客 6万+

ADB工具包：安卓开发必备资源

ADB（Android Debug Bridge）是一种功能强大的命令行工具，它允许开发者与连接的Android设备进行通信。它为设备提供了命令行接口，可以进行安装卸载应用、管理文件、获取设备日志、以及与设备进行调试等多种操作。通过ADB，开发者可以更加深入地理解Android系统，并对其应用性能和设备兼容性进行优化，是每一位Android开发者必不可少的工具之一。对于IT专业人员来说，掌握ADB不仅可以提升工作效率，还可以在进行移动设备管理和应用优化时发挥巨大作用。

weixin_42168902的博客 1486

教程:安卓adb命令大全(Win下.持续更新)。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 安装adb工具 adb.e

本地磁盘小日记ヾ(≧▽≦*)ゝ 1592

【PCL】SolidWorks 三维建模 STL, OBJ 采样生成 PCD 点云数据（附源码）

[PCL自学篇] 一.SolidWorks三维建模STL,OBJ采样生成PCD点云数据新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 这阵子做线结构光视觉检测（轨道）项目的过程中，发现之前的许多知识点在逐渐遗忘，常言好记性

idiot5lie的博客 1万+

adb 输入回车命令_Android超级终端（Adb Shell)常用命令、命令大全-持续更新 | 何连超的博客小站...

Android超级终端(Adb Shell)常用命令、命令大全-持续更新超级终端(手机端操作)与AdbShell(电脑端操作)使用的Shell命令(即Linux shell命令，类似Dos命令)是相同除了部分ADB 专用命令，超级终端使用方便一点。某些命令需要root权限才能执行，打开超级终端或 Adb Shell 后输入su(获取root权限)，没有Root权限输入su没有用，至于那些命令是否需...

weixin_29360387的博客 774

【TM1650】STM8S TM1650芯片控制程序

以下为.h文件： #ifndef __TM1650_I2C_H #define __TM1650_I2C_H #include "stm8s.h" #include "stm8s_gpio.h" #include "tim1.h" #include "usart2.h" #include <iostm8s103f3.h> #include <intrinsics....

cxw312864660的博客 1万+

【知识点总结】电路原理 第一讲

大家好，从今天起，我将开始更新自上大学以来所学到的各种知识，之所以选择更新它们是因为最近我一直在收拾整理自己自上大学以来所收获到的各种知识，看着那厚厚一沓的书本心里不由得犯愁。如果我想找到特定的知识，那岂不是得翻到猴年马月。俗话说得好，下雨天打鞋子，闲着也是闲着，为此我设置一个专栏，将知识点一一分类总结，目的在于更好的整理所学的知识。本人学艺不精，有一些知识点地方可能存在瑕疵，希望各位大佬可以多多指教。以下是本篇文章正文内容虚断：一般通用性运算放大器的正反向输入端之间的电阻非常非常的大。

weixin_51130221的博客 4万+

ADB命令大全资源下载：一站式ADB命令学习利器

ADB命令大全资源下载：一站式ADB命令学习利器 去发现同类优质开源项目:https://gitcode.com/ 在Android开发领域，ADB（Android Debug Bridge）命令是开发者不可或缺的调试工具。今天，我要向大家推荐一个极具价值的开源项目——ADB命令大全资源下载，它为开发者提供了一个全面的ADB命令资源库。以下是项目的核心功能与详细介绍，让我们一起探索这个项目的独特之...

gitblog_06786的博客 730

泛微ecology9二次开发-附件上传接口实战：从表单创建到数据库存储解析

本文详细解析了泛微ecology9二次开发中的附件上传接口实战，从测试环境搭建、数据库表结构解析到接口代码实现，提供了全面的开发指南。重点介绍了文件上传的核心逻辑、常见问题排查及高级应用场景，帮助开发者高效实现附件上传功能并优化系统性能。

weixin_30836759的博客 477

ADB 操作命令详解及用法大全

ADB 操作命令详解及用法大全 去发现同类优质开源项目:https://gitcode.com/ 欢迎来到ADB操作命令详解及用法大全的资源仓库！这里为您提供了关于Android Debug Bridge（ADB）的详细学习资料——《ADB 操作命令详解及用法大全.pdf》。本资料适合对ADB有兴趣，希望深入了解并应用于app模拟的同学学习和参考。 本资源涵盖了ADB的基础概念、操作命令的详细解释...

gitblog_06734的博客 342

从网格划分到端口接地：一份给ADS新手的Momentum RF仿真避坑实操指南

本文为ADS新手提供Momentum RF仿真的实用指南，涵盖网格划分、端口接地、特殊结构处理等关键设置技巧。通过30-50 cells/λ原则、1/10波长限制等黄金法则，帮助用户平衡仿真精度与效率，避免常见错误，提升电磁仿真结果的准确性。

weixin_33692284的博客 506

ADB命令大全2024持续更新中

ADB 的全称是 Android Debug Bridge，即安卓调试桥。客户端（Client）：运行在电脑上，通过命令行输入各种 ADB 命令来向设备发送请求和指令，比如在 Windows、Mac 或 Linux 系统的终端或命令提示符窗口中执行操作。服务端（Server）：同样运行在电脑上，它负责管理客户端与安卓设备之间的通信连接，接收客户端的命令并将其转发到对应的安卓设备。守护进程（Daemon）：运行在安卓设备上，用于接收来自服务端的命令并在设备上执行相应操作，然后将结果反馈回服务端。

Felix的博客 2573

学 Simulink—— 基于储能系统（BESS）并网逆变器的 削峰填谷（Peak Shaving & Valley Filling）功能仿真

本文详细介绍了基于储能系统（BESS）并网逆变器的削峰填谷功能Simulink仿真方法。主要内容包括：1）削峰填谷原理与典型日负荷曲线控制逻辑；2）简化系统拓扑与关键参数设置；3）分步骤建模过程，重点讲解EMS控制逻辑、SOC模型和PQ控制实现；4）典型仿真结果分析及参数调优建议；5）常见问题解决方案和工程扩展方向。通过该仿真可掌握BESS在用户侧储能、虚拟电厂等场景的核心应用，实现电网侧功率按峰谷时段规划、BESS充放电控制及并网逆变器PQ控制。文章还提供了完整的BESS/微网系列课程框架和混合微网系统进

xiaoheshang_123的博客 41

Android adb 命令大全

转自：https://github.com/mzlogin/awesome-adb ADB，即 Android Debug Bridge，它是 Android 开发/测试人员不可替代的强大工具，也是 Android 设备玩家的好玩具。 持续更新中，欢迎提 PR 和 Issue 补充指正，觉得有用的可以将 此 GitHub 仓库 Star 收藏备用。 注： 有部分命令的支持情况可能与 Android...

Wubo的博客 7752

【AI大模型】核心基石：Transformer架构入门通俗完整解读

文章摘要： Transformer架构是AI大模型（如GPT、Llama等）的核心基石，彻底颠覆了传统RNN/LSTM的逐字计算模式，通过自注意力机制实现全局并行运算和长文本语义理解。本文用通俗语言拆解Transformer的核心模块：位置编码保留语序、多头注意力捕捉上下文关联、掩码机制确保生成逻辑、残差连接稳定训练，并搭配极简PyTorch代码演示Decoder架构的逐字生成过程。Transformer的并行性、可堆叠性和全局注意力优势，使其成为千亿参数大模型的基础。理解Transformer是掌握大模型

unber的博客 43

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

Android adb 我的常用调试命令记录(持续更新中...)

Android adb （cmd）常用调试命令记录 (持续学习中不定时更新记录. 目录 Android adb （cmd）常用调试命令记录 (持续学习中不定时更新记录. 一、文件拷贝到 android 设备指定文件夹 二、system 文件夹添加 读写权限 三、/system/app 使用 chmod 修改文件夹权限 四、android 设备 system 目录获得读写 rw 权限的方...

仙魁XAN 1万+

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说

Android ADB命令大全

其实Android开发的知识点就那么多，面试问来问去还是那么点东西。所以面试没有其他的诀窍，只看你对这些知识点准备的充分程度。so，出去面试时先看看自己复习到了哪个阶段就好。上面分享的百度、腾讯、网易、字节跳动、阿里等公司2021年的高频面试题，博主还把这些技术点整理成了视频和PDF（实际上比预期多花了不少精力），包含知识脉络 + 诸多细节，由于篇幅有限，上面只是以图片的形式给大家展示一部分。【Android思维脑图（技能树）】知识不体系？

2401_84008929的博客 1042

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

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")

Android adb常用命令（持续更新）

一、查看内存使用情况 adb devices 查看已连接设备 adb -s 0123456789ABCDEF shell dumpsys meminfo （查看A所有进程内存使用情况） adb shell dumpsys meminfo 8509 —— 8509是进程编号（查看单个进程内存使用情况 二、创建/删除文件夹，Push文件到文件夹 1.创建文件夹 adb root adb remount adb shell mkdir /system/app/test 2.删除文件夹 adb root

风吹草低见牛羊 3024

ADB操作命令详解及用法大全：项目推荐文章

ADB操作命令详解及用法大全：项目推荐文章 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在Android开发领域，调试工具的选择至关重要。ADB操作命令详解及用法大全是一个开源项目，致力于为广大开发者提供详尽的ADB（Android Debug Bridge）学习资源。该项目包含了一份全面的PDF文档——《ADB操作命令详解及用法大全.pdf》，为开发者提供了一个便...

gitblog_06708的博客 889

Android个人使用adb命令总结(持续更新...)

常用命令 关闭App adb shell am force-stop 包名 启动App adb shell am start -n com.android.settings/.Settings 列出包名 加 | grep xxxx 过滤 adb shell pm list packages 查找相关包的信息包括查找启动Activity adb shell dumpsys package | grep xxxx 查找相应包信息中的版本号 adb shell dumpsys pack

Darksider博客 513
上一篇： Android快速设置Quick Settings Tile
下一篇： Android15 SystemUI下拉菜单栏添加截屏快捷按钮开关
点赞 19
评论 0
书签 书签 18
Over_dose
Over_dose
博客等级 码龄10年 9粉丝 8原创
+ 关注
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
 
表情包 插入表情
表情包 代码片
 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