解决 AS 运行时，华为手机不打印 Log 的问题

最新推荐文章于 2025-04-17 20:00:00 发布
原创 最新推荐文章于 2025-04-17 20:00:00 发布 · 690 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

本文介绍如何在华为畅享7S及其它华为手机型号中通过特定代码打开工程菜单，并进入后台设置，开启APLOG设置的方法，适用于遇到相关问题的用户。

我的手机是华为畅享7S，华为其他型号手机的解决方法类似。

问题如文章标题，解决方法：

1、在拨号键盘输入*##2846579##*，系统会自动打开【工程菜单】界面。

2、打开【后台设置】 → 【AP LOG设置】，选择【打开】

3、重启Android Studio，重启软件

【华为OD机考真题】- 分班问题(B卷-100分)（Python）
**My Coding Family**
04-17 757
🔔 本文收录于「最新最全华为OD机试真题(Python版)」专栏，带你从零基础轻松通过华为OD机试！我们为你提供了独家最优解题思路、详细的解题步骤、代码解析、复杂度分析以及最优解源码，支持多语言解题，助你顺利应对OD机考，一举成功！强烈推荐大家关注、收藏并订阅，实时更新中，确保你获取最新题库内容，up！up！up！！ 🚫 声明：坚决拒绝任何代考/替考行为，违法必究！本题库内容均来自互联网的精心搜集。   💗 订阅福利： 一次订阅，终身免费阅读，随时享受在线答疑，后续题库更新也能随时阅读和使用！
linux下qt运行QCefView demo报错，如何解决？？
**My Coding Family**
10-26 1284
通过以上步骤，你应该能够逐步排查并解决QCefView demo在Linux下运行时遇到的问题。重点在于确保所有必要的资源文件和共享库都位于正确的位置，并且系统能够正确加载这些文件。同时，禁用GPU加速可能会绕过一些与图形驱动相关的问题。确保环境变量和路径配置正确，以及QCefView与Qt版本的兼容性，也是成功运行的关键。如果问题仍然存在，建议查阅QCefView的官方文档或在其GitHub仓库提交Issue，寻求更具体的帮助。希望如上措施及解决方案能够帮到有需要的你。
mate 8、荣耀6，手机连接eclipse、AS调试应用没有log输出
zhang2339的博客
05-17 1417
作为一名开发人员，错误log对于我们调试程序至关重要，在工作中发现有两款手机在程序出错时，并没有显示相应的log日志，j网上找了下没找到，幸亏我们老大之前遇见过，这里将方法告诉大家，希望有所帮助        在手机拨打电话界面，输入   *#*#2846579#*#*  ，然后  依次选择   ProjectMenu后台设置-----LOG设置LOG开关-- 点击打开，打开后可以看到一个界面，
华为log开关
05-16
华为log开关
Android Studio 不打印日志的解决方案
Martha的博客
03-07 2537
开发中有时候会遇到as不打印日志的情况，解决方案很简单： 只需要在控制台右边选项选择No Filters即可
AS连接华为手机真机测试，无日志输出
lxy1740的博客
06-11 1159
问题 电脑用usb连接华为手机，进行真机测试时，在AS中的logcat并无日志输出。但手机已经开启USB调试和
Android Studio 控制台 log不显示解决
王人冉的博客
04-24 3117
前两天遇到一个问题，调试安卓app的时候，AS控制台的日志一直不显示，试了很多方法，重启，清空as缓存，手机多次插拔，usb调试多次开启关闭，都不行，网上的办法也都试了，还是不行（不得不说，网上确实有有用的资料，但是很多时候感觉大多数博文都是直接转载的，里面的内容就不经过验证，或者内容比较早了，可能适合当时的环境），很影响开发调试，也很着急。后来听同事说手机里还有个设置日志缓存的，报着试一下的心里，设置后还真的解决问题了，日志不停的在刷了。在开发者选项中找到日志缓存大小，设置大一些就行了，尤其是手机debu
【经验分享】C51单片机中如何实现printf输出log？
一个专注于嵌入式IoT领域的架构师，深耕IoT领域多年，深度掌握IoT领域的相关技术栈，包括但不限于RTOS内核的实现及其移植、硬件驱动移植开发、网络通讯协议开发、编译构建原理及其实现、底层汇编及编译原理、编译优化及代码重构、嵌入式IoT系统的架构设计等。
12-09 8718
你在真实的项目工程开发中，有考虑过在C51单片机中实现printf输出log吗？本文给出一种参考实现。
自动运维华为或者思科交换机的python脚本，建议收藏！
网络技术联盟站
04-08 540
交换机的管理通常涉及通过SSH、Telnet等协议与设备交互，而Python的库能够轻松支持这些协议。此外，Python脚本还可以与现有运维工具（如Ansible、SaltStack）集成，进一步提升自动化程度。对于需要批量管理多台交换机的场景，Python的灵活性尤为突出。在编写Python脚本之前，我们需要做好一些准备工作，包括安装必要的工具和配置交换机。
【华为OD机考真题】- 快递运输(B卷-100分)（Python）
**My Coding Family**
04-17 681
🔔本文收录于「最新最全华为OD机试真题(Python版)」专栏，手把手带你零基础教学华为OD机试。本题集提供最优题解思路，解题步骤，代码解析，复杂度分析及最优题解源码等，支持多语言题解，助你轻松拿捏OD机考，一举上岸！安利大家关注&&收藏&&订阅！题库正在疯狂收录中，up！up！up！！ 🚫提醒：拒绝一切代考/替考，违法必究！本人所写题库均精心搜集于互联网。    💗订阅福利：一次订阅，可永久免费阅读，提供在线答疑解惑，后续题库更新皆可阅读使用！
解决Android Studio突然不显示logcat日志的问题
01-03
前言：上午写代码时还好好的，下午不知道怎么回事突然就不显示logcat日志了，觉得很奇怪，于是开始找各种解决办法！ 现象如图所示，logcat无日志显示： 首先，你可以试试修改以下参数： 2.若修改上述参数依然不显示，你可以打开Device Moniter，查看logcat，步骤如下： 如果在这里有logcat日志正常显示的话，你可以设置Tool–>Android–>Enable ADB Integration为勾选状态： 若已经是勾选状态，可重启一下 AS ！ 这样就能看到logcat日志了，我碰到的logcat日志不显示的问题是用上述方法解决的，不显示logcat日志的原因有很多
AndroidStudio2021.3logcat工具无法显示日志解决办法
Bu2n的博客
11-16 5332
Android Studio Logcat日志看不到解决办法！
解决android studio真机调试无法打印log的问题
m0_37451060的博客
04-25 1万+
在Android开发过程中有的小伙伴可能会遇到真机调试无法打印日志，但却不是代码本身的问题，那么该如何解决呢？看以下几个解决方案。 1、使用真机调试的小伙伴，如果你程序打印日志然而logcat却一片空白，先做一下as的设置，点击菜单栏 Tools → Android → Enable ADB Integration。上面的选项勾上，再次运行as。 2、检查手机开发者选择是否有打开，是否有选择允
Android Studio 单刷《第一行代码》系列 02 —— 日志工具 LogCat
weixin_30542079的博客
03-17 498
前情提要（Previously） 本系列将使用 Android Studio 将《第一行代码》（书中讲解案例使用Eclipse）刷一遍，旨在为想入坑 Android 开发，并选择 Android Studio 作为开发 IDE 的同学开路。 PS：其实我就是现学现卖，希望我能坚持刷完。 在第一战中，我们创建了第一个App project， Hello World，并分析了项目结构，及运行原理。 链...
Android Studio logcat的内容不显示
weixin_43873389的博客
10-28 4200
遇到的问题：logcat一片空白，如图 as版本是最新的2020.3.1 模拟器，包名，显示级别这些应该都没问题，重启也没解决 最后发现run里显示了输出信息，以前没注意过不知道显不显示 而且可以在run的设置里选择显示输出logcat，这下用不着logcat了 ...
Android Studio中log日志无法打印问题
闲暇部落
11-09 2827
1、重启Android Studio（通过Invalidate caches模式重启）2、卸载设备上的app，重新安装app。
荣耀手机，Android Studio调试时Logcat没有日志的解决办法
热门推荐
qq_39451645的博客
02-10 2万+
荣耀手机Android Stuidio不打印日志的解决方法
Android Studio突然不显示logcat日志
态度决定高度A=X+Y+Z
12-12 1万+
参考文章：http://blog.youkuaiyun.com/victor_e_n_01185/article/details/52818809有时候，AS出现没有log的情况。一般您换了模拟器，或者使用真机的时候会碰到这个情况。现象如图所示，logcat无日志显示：遇到这种事情的确很头疼。下面两种解决方案，一般可以得到解决。首先，你可以试试修改以下参数：若修改上述参数依然不显示，你可以打开Device M
CUDA_VISIBLE_DEVICES在华为昇腾NPU上不生效
最新发布
07-12
<think>我们正在讨论的是华为昇腾（Ascend）NPU，而不是NVIDIA GPU。CUDA_VISIBLE_DEVICES是NVIDIA GPU的环境变量，用于控制可见的GPU设备。在昇腾NPU上，这个环境变量是无效的，因为昇腾使用不同的软件栈和运行时环境。 在昇腾NPU上，我们使用华为的CANN（Compute Architecture for Neural Networks）软件栈。对于设备可见性的控制，昇腾提供了自己的环境变量：`ASCEND_VISIBLE_DEVICES`。 因此，用户遇到的问题是在昇腾NPU上使用`CUDA_VISIBLE_DEVICES`无效，这是因为这个环境变量只适用于NVIDIA GPU。在昇腾平台上，应该使用`ASCEND_VISIBLE_DEVICES`。 下面详细说明在昇腾NPU上如何控制设备可见性： ### 1. **昇腾NPU设备管理环境变量** - **`ASCEND_VISIBLE_DEVICES`**：控制昇腾NPU设备的可见性，类似于`CUDA_VISIBLE_DEVICES`。 - 格式：逗号分隔的设备ID列表，例如：`0,1,2` - 示例：`export ASCEND_VISIBLE_DEVICES=0,2` 表示只对当前进程可见设备0和设备2。 ### 2. **在分布式训练中的使用** 当使用华为的分布式训练框架（如`torch_npu`+`hccl`）时，需要配合`ASCEND_VISIBLE_DEVICES`和相应的进程启动工具（如`torch.distributed.launch`）来设置每个进程使用的设备。 例如，假设一个节点有4个NPU设备（设备ID为0,1,2,3），我们想使用两个设备进行训练（每个设备一个进程）： ```bash export ASCEND_VISIBLE_DEVICES=0,1 # 设置当前shell可见的设备0和1 python -m torch.distributed.launch --nproc_per_node=2 train.py ``` 在代码中，我们通过`local_rank`来指定每个进程使用的设备： ```python import torch import torch_npu # 导入torch_npu以支持NPU设备 # 解析分布式参数 parser = argparse.ArgumentParser() parser.add_argument("--local_rank", type=int) args = parser.parse_args() # 设置当前进程使用的NPU设备 device = torch.device(f'npu:{args.local_rank}') torch.npu.set_device(device) # 初始化分布式进程组 torch.distributed.init_process_group( backend='hccl', # 华为昇腾的通信后端 init_method='env://' ) model = MyModel().to(device) # 使用DDP包装模型（注意：这里使用torch_npu的DDP，但PyTorch1.8+已支持NPU的DDP） model = torch.nn.parallel.DistributedDataParallel(model, device_ids=[args.local_rank]) ``` ### 3. **注意事项** - **环境变量设置位置**：`ASCEND_VISIBLE_DEVICES`必须在启动训练脚本之前设置，通常是在shell中设置。 - **与`local_rank`的配合**：在代码中，我们使用`local_rank`来指定每个进程使用哪个可见设备。例如，当`ASCEND_VISIBLE_DEVICES=0,1`时，两个进程的`local_rank`分别为0和1，分别使用设备`npu:0`和`npu:1`（注意：这里的0和1是逻辑设备号，对应物理设备0和1）。 - **设备数量检查**：在代码中可以通过`torch.npu.device_count()`来获取可见NPU设备的数量。 ### 4. **验证设备绑定** 可以在每个进程中打印当前设备信息： ```python print(f"Process {args.local_rank} is using NPU: {torch.npu.current_device()}") ``` ### 5. **常见问题** - **问题1**：`ASCEND_VISIBLE_DEVICES`设置后，`torch.npu.device_count()`返回的数量与设置不一致。 - 检查环境变量是否正确设置，是否有其他进程修改了环境变量。 - **问题2**：运行时报错，提示设备不可用。 - 确保`ASCEND_VISIBLE_DEVICES`设置的设备ID是有效的（通过`npu-smi info`查看可用设备）。 ### 6. **与NVIDIA GPU编程的差异** 昇腾NPU的编程模型与NVIDIA GPU不同，它有自己的编程接口（如AscendCL）和算子开发语言（Ascend C）。但是，对于PyTorch用户，华为提供了`torch_npu`库，使得在昇腾NPU上运行PyTorch代码与在NVIDIA GPU上类似。不过，环境变量的名称不同。 ### 总结 在昇腾NPU上，使用`CUDA_VISIBLE_DEVICES`无效，应使用`ASCEND_VISIBLE_DEVICES`来控制可见设备。在分布式训练中，配合`torch.distributed.launch`的`--nproc_per_node`参数，并在代码中通过`local_rank`来设置每个进程使用的设备。 §§相关问题§§ 1. 如何在昇腾NPU上运行单卡训练？ 2. 昇腾NPU分布式训练中如何设置多机多卡？ 3. 如何查看昇腾NPU的设备状态和使用情况？ 4. 昇腾NPU与NVIDIA GPU在分布式训练中的主要区别是什么？</think>### 华为昇腾NPU设备可见性控制方案 在昇腾NPU环境中，`CUDA_VISIBLE_DEVICES`是无效的，因为这是NVIDIA GPU特有的环境变量。昇腾平台使用完全不同的设备管理机制，需要采用昇腾特定的环境变量和控制方法。 #### 1. **昇腾设备管理核心机制** - **替代环境变量**： - `ASCEND_VISIBLE_DEVICES`：控制可见的NPU设备 - `ASCEND_GLOBAL_LOG_LEVEL`：设置日志级别（0~3） - `ASCEND_AICPU_PATH`：指定AI CPU算子库路径 - **设备选择原理**： $$ \text{可见设备数} = \text{ASCEND_VISIBLE_DEVICES指定的设备数} $$ $$ \text{进程数} \leq \text{可见设备数} $$ #### 2. **分布式训练代码适配** ```python import torch import torch_npu # 必须导入以启用NPU支持 from torch.nn.parallel import DistributedDataParallel as DDP def main(): # 解析昇腾注入的本地设备ID parser = argparse.ArgumentParser() parser.add_argument("--local_rank", type=int, default=0) args = parser.parse_args() # 设置当前进程的NPU设备 (关键步骤) device_id = args.local_rank torch.npu.set_device(f'npu:{device_id}') # 绑定到指定NPU[^1] # 初始化HCCL通信后端 (昇腾专用) dist.init_process_group( backend="hccl", # 华为集合通信库 init_method="env://" ) # 模型部署到NPU model = YourModel().npu() # 使用当前设置的NPU # DDP包装模型 model = DDP(model, device_ids=[device_id]) if __name__ == "__main__": main() ``` #### 3. **启动命令示例** ```bash # 设置可见NPU设备 (物理设备0,1) export ASCEND_VISIBLE_DEVICES=0,1 # 启动分布式训练 python -m torch.distributed.launch \ --nproc_per_node=2 \ # 进程数=可见设备数 --nnodes=1 \ train.py ``` #### 4. **设备映射验证方法** ```python # 检查实际可见设备数 visible_npus = torch.npu.device_count() print(f"可见NPU数量: {visible_npus}") # 应与ASCEND_VISIBLE_DEVICES一致 # 验证当前进程设备绑定 current_npu = torch.npu.current_device() print(f"进程{args.local_rank} -> NPU:{current_npu}") ``` #### 5. **常见问题解决** 1. **设备不可见错误**： - 检查`ASCEND_VISIBLE_DEVICES`设置是否正确 - 运行`npu-smi info`确认物理设备状态 2. **HCCL通信失败**： ```python # 在init_process_group前添加 os.environ['HCCL_WHITELIST_DISABLE'] = '1' # 禁用白名单检查[^1] ``` 3. **内存不足**： - 确认`nproc_per_node`不超过可见NPU数量 - 使用`npu-smi`监控设备内存使用 > **核心区别**：昇腾使用`ASCEND_VISIBLE_DEVICES`+`HCCL`替代NVIDIA的`CUDA_VISIBLE_DEVICES`+`NCCL`方案[^1]。
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
 
红包 添加红包
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