用 VirtualBox 安裝 Android-x86 4.0

notebook034 notebook034 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 1.8k累计阅读 1.9k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16年
关注
转载 最新推荐文章于 2026-08-16 11:13:47 发布 1.8k 阅读 AI 写同款· GEO 优化 ›
android 自定义分辨率,VirtualBox下自定义android-x86的分辨率 Virtual的安装下载地址：http://download.virtualbox.org/virtualbox/4.2.12/VirtualBox-4.2.12-84980-Win.exe下载后按傻瓜式安装，有提示安装驱动的选择确定，这部分不做介绍，不会的请百度额。环境介绍VirtualBox 4.2window7光驱镜像：android－x86－4.0－eeepc－20111209.iso注：... 阅读详情

準備事項

首先要下載 VirtualBox 跟 Android 4.0 X86 ISO，記住要下載的是 android-x86-4.0-eeepc-20111209.iso這個版本，其他的版本可能會無法安裝在 VirtualBox 上。

下載完 VirtualBox 直接安裝就可以了，不用多作設定。

新建一個虛擬機器

開啟 VirtualBox 可以看到 VirtualBox 的介面，目前是沒任何虛擬機器的，接著點選新增來新增一個虛擬機器。

VirtualBox介面

接著再設定虛擬機器的作業系統要選擇 Linux 及 Linux 2.6 ，名稱的部份就可以自行設定，這裡院長設定成 Android 4.0。

設定虛擬機器的作業系統

預設的記憶體是256MB，如果要調整的話輸入想要的大小就可以，這裡院長調整成 768MB。

設定虛擬機器的記憶體

接下來的設定保持預設值一直下一步就可以了，接著到最後一步檢視剛剛作的設定，沒問題的話點選建立就會完成建立虛擬機器的步驟。

建立虛擬機器的最後一步

建立完虛擬機器後就會回到 VirtualBox 的主介面，同時也可以看到剛剛新增的虛擬機器已經出現在列表上了。

完成新增虛擬機器

調整虛擬機器的設定

建立好虛擬機機器後還要調整一些設定才能讓我們順利地安裝 Android-x86。

選擇 Android 4.0 這個虛擬機器，接著再點選設定值開啟虛擬機器的設定畫面。

設定虛擬機器

掛上ISO檔

切換到存放裝置分頁，選擇左邊IDE控制器下的＊DVD光碟機，接著點選右邊光碟的圖示並點選選擇虛擬 CD/DVD 磁碟檔案…。

掛上ISO檔

選擇 android-x86-4.00-eeepc-20111209.iso 這個 ISO 檔

選擇 Android 4.0 ISO 檔

接著就會回到設定畫面，同時可以看到 Android ISO 檔已經掛上虛擬機器上的光碟機了。

掛好 ISO 檔的虛擬光碟

設定網路

接著切換到網路分頁，接著在介面1的部份修改成以下的設定，設定完點選確定就可以完成虛擬光碟及網路介面卡的設定，並且回到主介面。

設定網路

安裝 Android 4.0 x86

回到主介面後，點選虛擬機器並且點選啟動就會開啟虛擬機器。

啟動虛擬機器

很快地就會進入安裝介面，在安裝介面中只能使用鍵盤來操作，上下左右是選擇選項，Enter 則是確認選項。

進入安裝畫面後選擇 Installation – Install Android-86 to harddisk 來安裝 Android-x86 4.0。

安裝 Android-x86

完成光碟啟動後，第一次安裝要先建立 partitions ，選擇Create/Modify partitions。

建立磁區

進入 cfdisk 後，上方是目前有的磁區，下方是功能列，目前是沒有任何磁區的，選擇 NEW 來建立磁區。

建立磁區

設定磁區的屬性為 Primary

設定磁區屬性

接著再設定磁區的大小，預設會是全部的容量，基本上不用變動直接 Enter 就可以了。

設定磁區大小

建立完後就會回到 cfdisk 的主畫面，一切正常的話，可以看到上方會出現剛剛建立的磁區。接著將這個磁區設定為 Bootable，這樣安裝完後就會以這個磁區作為開機磁區。

設定開機磁區

設定完開機磁區後會看到上方磁區在 Flags 欄位標記為 Boot 就表示已經設定完成，到了這邊還不算完成建立磁區的工作，還要進行最後一步，將剛剛磁區的設定寫入硬碟。

用鍵盤移動游標到 Write 選項，同時 按下 Enter。

寫入磁區設定

在真正寫入硬碟前還會再詢問你一次，是否將設定寫入硬碟，在這個步驟必須使用鍵盤輸入 yes 並且按下按下 Enter，這樣才會真正地將磁區設定寫入硬碟。

寫入磁區設定

磁區寫入硬碟後會回到 cfdisk 的主畫面，這時就可以離開 cfdisk，選擇 Quit 就會離開 cfdisk。

離開 cfdisk

接著就會回到 Android-x86 的安裝畫面，這時就可以選擇剛剛建立好的磁區來安裝 Android-x86。

選擇安裝的磁區

接著會詢問要格式化成那一種檔案格式，選擇 ext3 就可以了。

格式化磁區

接著會再詢問你是否要格式化這個磁區，選擇 Yes 來格式化這個磁區。

格式化磁區

接著會詢問是否安裝 GRUB，一樣 選擇 Yes。

安裝 GRUB

接著會詢問是否將 /system 這個資料夾安裝成 read-write，這裡也一樣 選擇 Yes，接著就會開始安裝 Andorid-x86。

安裝 Android-x86 4.0

安裝的速度很快，同時安裝完後會詢問你是否要製作一個假的 SD Card 這裡當然要選擇 Yes

建立假 SD Card

接著設定 SD Card 的大小，預設就是最大值 2047MB，只能往下調整，調整完 按下 Enter，就會進入製作 SD Card 的步驟。

建立假 SD Card

製作完 SD Card 後，就正式安裝完 Android-x86 了，選擇 Reboot 讓虛擬機器重新開機吧！

重新開機

重新開機後，因為預設還是光碟開機，所以在一開機時要按下 F12 選擇由 Primary Master 開機。

選擇開機磁區

另外，也可以進入虛擬機器的設定裡的系統分頁，將開機順序調整成硬碟開機，這樣就不用每次都要按 F12 選擇開機磁碟。

設定開機順序

開機後會進入 GRUB Boot loader，這裡直接選擇第一個就可以了。

Android-x86 Boot loader

接著就會進入 Android-x86 的開機畫面了。

Android-x86 4.0 開機

另外，要停用虛擬機器與 Host 的滑鼠整合，這樣才能在 Android-x86 的虛擬機器中使用滑鼠。

停用滑鼠整合

稍待一會就會進入 Android-x86，一開始會跟第一次使用 Android 一樣。左邊的語言設定預設是 English，可以調整成繁體中文。

選擇系統語言

接下來的設定都可以直接下一步，不過到了設定 Google 帳戶這個階段，因為沒有網路連線所以選擇暫時不要。

設定 Google 帳戶

設定完後就會進入 Android-x86 4.0 的桌面，進入後右上角就是 App 的清單。

Android-x86 4.0 桌面

點選後就會開啟 App 的清單。

Android-x86 4.0 App 清單

設定網路

剛安裝好的 Android-x86 4.0 是無法連線到網路的，因為還未設定網路的 IP 位址，這裡必須要手動地設定 IP 位置。

在 App 清單中開啟 Terminal Emulator。

開啟 Terminal Emulator

開啟後會出現終端機介面，接著輸入 ip a 就會列出目前的網路卡。這裡可以看到 eth0 目前是還沒有設定 IP 的狀態

網路卡清單

設定 IP 可以透過手動設定 IP 或者也可以透過 DHCP。

透過 DHCP 取得 IP

如果你的網路環境有 DHCP Server 的話，透過 DHCP 的方式取得 IP 是最簡單的方式。

在終端機輸入

su dhcpcd eth0

DHCP 取得 IP

接著就會自動取得 IP，可以再輸入 ip a，這時就會看到 eth0 已經透過 DHCP的方式取得 IP。

DHCP 取得 IP

手動設定 IP

當然也可以透過手動設定 IP 的方式來設定 IP。

在終端機輸入

su ifconfig eth0 192.168.10.250 netmask 255.255.255.0 up route add default gw 192.168.10.1 dev eth0

設定 DNS Server

接著再設定 DNS Server

在終端機輸入

setprop net.dns1 8.8.8.8

設定 DNS

設定完後就可以使用內建的瀏覽器上網試試看網路是否有設定成功。

用內建的瀏覽器上網

到了這邊，安裝 Android-x86 4.0 的步驟就已經告一段落了，雖然可以上網，但是還是不能設定 Google 帳號，因為 Android-x86 4.0 只認得 WiFi 裝置，所以沒有 WiFi 裝置就會被當成沒有網路連線，希望這個功能可以在之後的版本被修正。

接著還有幾篇是進階篇，會教大家如何自定解析度以及與 Eclipse ADT 連線，用來開發 Android App。


收录于
Android

当前文章被收录于：

Android
18 篇文章 0 人学习
订阅专栏 查看详情
标签
#android #server #linux #terminal #windows
#google
VirtualBox 上运行 Android-x86 的完整指南：从安装到图形界面优化 本文提供在VirtualBox虚拟机中安装和运行Android-x86系统的完整教程。详细介绍了从下载镜像、创建虚拟机、系统安装到解决图形界面黑屏等关键步骤，并分享了性能优化、网络配置及常见问题排查方法，帮助开发者和技术爱好者快速搭建稳定的安卓测试或体验环境。 阅读详情

相关推荐

在VirtualBox虚拟机中安装与优化Android x86完整指南

虚拟机技术为软件测试和系统体验提供了隔离、可复现的沙盒环境，其核心原理是通过虚拟化软件在物理主机上模拟出完整的计算机硬件。这项技术对于开发者而言价值巨大，能够显著降低多环境测试的硬件成本，并提升调试效率。在移动应用开发、跨平台兼容性测试等场景中，运行一个完整的操作系统实例进行调试已成为标准实践。本文将聚焦于如何在VirtualBox这一流行的免费虚拟化平台上，部署并深度优化Android x86系统。通过详细的步骤解析，涵盖从镜像选择、虚拟机创建、系统安装到增强功能配置的全过程，并针对常见的启动黑屏、网络异

weixin_29176179的博客 301

让你的模拟器不再卡：VirtualBox安裝 Android-x86 4.0

为什么Android虚拟机比iOS和WP7的虚拟机要慢很多呢？原因如下： 1. Android 模拟器模拟的是 ARM 的体系结构(arm-eabi)，而 iOS 和 WP7 的模拟器的目标体系结构都是 x86 的，另外 iOS 的模拟器中运行的 App 也是编译为 x86 的。这样一来 Android 模拟器需要做一些额外的二进制翻译工作。 2. Android 模拟器用的是 QEMU 的全系...

weixin_30316097的博客 771

VirtualBox 7.0.8 虚拟机部署 Android x86_64：从镜像选择到图形界面启动全流程解析

本文详细解析了在VirtualBox 7.0.8上部署Android x86_64系统的全流程，包括镜像选择、虚拟机配置、系统安装及图形界面调试。通过实战经验分享，帮助用户解决常见问题如启动黑屏、网络共享等，并提供了性能优化方案，显著提升虚拟机运行效率。

weixin_33691700的博客 499

android 4.0 x86安装教程 附带联网参数详细设置

android 4.0 x86是一个可以支持在电脑上运行的android 4.0系统。没有手机一样也可以体验android 4.0。那对玩机爱好者们来说也算得上是一个不年夜不小的好消息。不过目前的android 4.0 x86还处于一个不太成熟的过程，仅仅支持amd与internet芯片组的电脑。小编今天就来具体交年夜家如何安装使用android 4.0 x86，让你的电脑也可以成为Androi...

心语家园 - www.xinyucn.cc 1742

android-x86-4.0(原版安装包)

android-x86-4.0-RC2-eeepc.iso 用于安装测试机中使用.

openEuler服务器离线安装实战：从Docker到Samba的完整避坑指南

本文提供了一份详尽的openEuler服务器离线部署实战指南，重点解决了在无网络环境下安装Docker、Samba等软件的依赖难题。文章深入对比了`dnf install`、`rpm`直接安装及禁用仓库安装三种核心方法，并分享了构建本地DNF仓库的进阶策略，旨在帮助运维人员构建高效可靠的离线部署工作流。

weixin_29210759的博客 71

VirtualBox下自定义android-x86的分辨率

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33787529的博客 553

10行代码搞定QMT实盘交易：手把手教你用Python自动化买卖股票（附完整源代码）

本文提供了一份详尽的QMT实盘交易教程，手把手教你使用Python构建自动化交易系统。内容涵盖环境配置、账户连接、查询与下单等核心代码，并附有完整的源代码示例，帮助开发者快速掌握从零到实盘的完整流程，实现安全可靠的股票自动化买卖。

weixin_29214335的博客 438

VirtualBox安装Android-X86 4.0

首先要下载VirtualBox跟Android4.0X86ISO，记住要下载的是android-x86-4.0-eeepc-20111209.iso这个版本，其他的版本可能会无法安装在VirtualBox上。 下载完VirtualBox直接安装就可以了，不用多作设定。 新建一个虚拟机 开启VirtualBox可以看到Vi

漂石的手艺（技术）活儿 2225

logisim实验六：MIPS运算器设计

实验目的 学生理解算术逻辑运算单元（ALU）的基本构成，掌握 Logisim 中各种运算组件的使用方法，熟悉多路选择器的使用，能利用前述实验完成的 32 位加法器、 Logisim 中的运算组件构造指定规格的 ALU 单元。 设计要求 利用前面实验封装好的 32 位加法器以及 logisim 平台中现有运算部件构建一个 32 位算术逻辑运算单元（禁用 Logisim 系统自带的加法器，减法器），可支持算术加、减、乘、除，逻辑与、或、非、异或运算、逻辑左移、逻辑右移、算术右移运算，支持常用程序状态标志（有符号

gyp0205的博客 2万+

java对接海康实现页面实时播放和回放

前言：之前已经写过一篇关于视频的文章，因为觉得有很多优化的地方，也谢谢同行们加我微信跟我提了一些需求和意见，所以在过年的假期重新写了一个比较能扩张的版本。 上一个版本的连接：https://blog.csdn.net/weixin_45848110/article/details/119363602 与之前的版本不同之处： 1.不需要安装ffmpeg 2.不需要安装nginx 3.直接运行jar即可 4.之前是完全脱离海康sdk，回放的录像是保存到本地服务，现在是直接在海康硬盘录像机获取录像回放 5.实时播

weixin_45848110的博客 1万+

虚拟机VirtualBox安装Android x86 4.0冰激凌三明治系统

虚拟机VirtualBox安装Android x86 4.0冰激凌三明治系统 前段时间二黑给大家介绍了 Android SDK安装Android 4.0的方法，相信很多同学也试过了。用那种方法模拟的Android系统是比较接近真正的手机的，但是由于Android SDK是模拟的ARM架构，这样会导致模拟器运行一些程序时导致很卡，就连最简单的2D游戏都会很卡。不过Android devel

hzx5212的专栏 860

AI 大模型应用数据中心的数据清洗工具

1. 背景介绍 在人工智能大模型应用的浪潮中，数据清洗作为数据预处理的重要环节，对于提升模型性能和可靠性具有至关重要的作用。数据中心作为人工智能模型的运行环境，面临着海量数据流和多样化的数据类型，如何高效、准确地进行数据清洗，成为应用大模型的关键问题之一。本文将详细介绍AI大模型应用数据中心的数据清洗工具，包括核心概念、算法原理、具体操作步骤、应用场

SuperAGI2025 1803

VirtualBox安裝Android-x86 4.0

为什么Android虚拟机比iOS和WP7的虚拟机要慢很多呢？原因如下：   1. Android 模拟器模拟的是 ARM 的体系结构(arm-eabi)，而 iOS 和 WP7 的模拟器的目标体系结构都是 x86 的，另外 iOS 的模拟器中运行的 App 也是编译为 x86 的。这样一来 Android 模拟器需要做一些额外的二进制翻译工作。 2. Android 模拟器用的是 QE

冷月宫主的专栏 1157

2025年CSP-J初赛真题及答案解析（完整版）

2025年CSP-J初赛真题及答案解析（完整版）

王老师青少年编程 1万+

Ubuntu零基础入门到精通【4.4讲】：网络、蓝牙、显示器、声音与输入法设置！

🏆 本文收录于 《滚雪球学 Ubuntu》 专栏。 本专栏面向有一定计算机基础，但尚未系统学习 Linux / Ubuntu 的读者，采用“滚雪球式学习法”：先装好、再会用、再理解、再优化、再实战，带你从第一次进入 Ubuntu 桌面 / 终端开始，逐步掌握 Ubuntu 的日常使用、命令操作、软件安装、系统配置、开发环境搭建与服务器部署能力。

**My Coding Family** 1485

VirtualBox安装 Android-x86 4.0 后解决上网问题

好多人用虚拟机安装安卓后无法上网，本人也是。。。。网上淘了半天终于找到解决方法： 网络设置如下： 然后运行安卓，打开应用程序中的终端模拟器，在其中输入下面指令： su 获取最高权限 dhcpcd eth0 获取IP setporp net.dns1 8.8.8.8 设置DNS为8.8.8.8 好了，体验能上网的安卓4.0吧 转载于:https://www.cnblogs....

weixin_30699741的博客 1082

喷涂机器人系列编程：ABB IRB 5500_（2）.ABB IRB 5500喷涂机器人系统架构与组件

ABB IRB 5500喷涂机器人系统不仅在性能上表现出色，而且在安全和维护方面也提供了全面的解决方案。通过本文的详细介绍，希望读者能够更好地理解和掌握这一系统的架构和功能，为实际应用提供有力支持。

zhubeibei168的博客 776

让你的模拟器不再卡：VirtualBox安裝 Android-x86 4.0（可上网）

为什么Android虚拟机比iOS和WP7的虚拟机要慢很多呢？原因如下： 1. Android 模拟器模拟的是 ARM 的体系结构(arm-eabi)，而 iOS 和 WP7 的模拟器的目标体系结构都是 x86 的，另外 iOS 的模拟器中运行的 App 也是编译为 x86 的。这样一来 Android 模拟器需要做一些额外的二进制翻译工作。  2. Android 模拟器用的是 QE

buptapple的专栏 1万+

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")

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

Android 4.0 x86安装教程 附带联网参数详细设置

Android 4.0 x86是一个可以支持在电脑上运行的Android 4.0系统。没有手机一样也可以体验Android 4.0。这对玩机爱好者们来说也算得上是一个不大不小的好消息。不过目前的Android 4.0 x86还处于一个不太成熟的过程，仅仅支持AMD与Internet芯片组的电脑。小编今天就来详细交大家如何安装使用Android 4.0 x86，让你的电脑也可以成为安卓机。 ...

weixin_30410119的博客 369

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

（8月22日更新）虚拟机中安装Android-x86 4.0支持VMware和VirtualBox...

2013年8月22日更新！ 安卓4.3iso版 安卓4.1.1虚拟机版 已支持网络及应用下载使用…… 有图有真相……     ========================割一下========================= 刚刚搜索了一下，搜索到这个东西， 不知道火星没，分享一下，…… 觉得有用就顶一下呗 原地址：http://hi.baidu.com/g

樱*夜精灵 1089

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

android x86 设置网络,VirtualBox安装android-x86及上网设置问题

最近一个android项目中使用了1920*1080分辨率的大屏，但是设备不在手边，androidSDK自带的模拟器又没有这么大的分辨率，没法测试，无奈之下就用VirtualBox+android-x86模拟了一个大屏环境。VirtualBox+android-x86的安装过程网上有很多博文，都写的很详细，如：http://anzhuo.paojiao.cn/android/allinfo/2/6...

weixin_35060159的博客 1450
下一篇： Windows Phone生命周期
点赞 0
评论 0
书签 书签 1
notebook034
notebook034
博客等级 码龄16年 6粉丝 3原创
+ 关注 专栏目录 订阅专栏
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