Artificial Intelligence / Reverse Engineering / Internet of Things / Full Stack Developer
3.3.2版本的android studio支持直接分析或者调试apk，新建项目直接选择调试apk即可。如果实用的是旧版本地android studio可以参考这篇文章：
前面介绍了使用IDA动态调试smali，这种方法设置简单，不用重打包，用起来方便，但是如果变量类型设置错误则会马上退出调试，这是让人不爽的地方，而使用Android studio则不会。0x01 工具
①Android Studio最新版。
②apktool尽量使用最新版的。
③ideasmali插件。下载地址https://github.com/JesusFreke/smali/wiki/smalidea
0x02 具体步骤
安装ideasmali插件,选择File->Settings->Plugins，安装之前下载的ideasmali插件。
很久没有编译安卓的东西，创建了模拟器却发现启动不聊了。网上搜索了一下发现文章真是不少，但是里面说的东西下载地址却不是那个了。并且我安装了sdk之后也没有找到haxm-windows的安装程序。网上搜索了一下发现现在是个开源项目了。https://github.com/intel/haxm
HAXM is a cross-platform hardware-assisted virtualization engine (hypervisor), widely used as an accelerator for Android Emulator and QEMU. It has always supported running on Windows and macOS, and has been ported to other host operating systems as well, such as Linux and NetBSD.
HAXM runs as a kernel-mode driver on the host operating system, and provides a KVM-like interface to user space, thereby enabling applications like QEMU to utilize the hardware virtualization capabilities built into modern Intel CPUs, namely Intel Virtualization Technology.
下载安装就ok了，如果没有开启vt首先要去bios里面开启vt。
自从装好tensorflow-gpu 之后其实一直没怎么用，今天跑代码的时候才发现安装的有问题：
测试代码如下：
from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
if __name__ == '__main__':
# Load sample images
china = load_sample_image("china.jpg")
flower = load_sample_image("flower.jpg")
dataset = np.array([china, flower], dtype=np.float32)
batch_size, height, width, channels = dataset.shape
# Create 2 filters
filters = np.zeros(shape=(7, 7, channels, 2), dtype=np.float32)
filters[:, 3, :, 0] = 1 # vertical line
filters[3, :, :, 1] = 1 # horizontal line
# Create a graph with input X plus a convolutional layer applying the 2 filters
X = tf.placeholder(tf.float32, shape=(None, height, width, channels))
convolution = tf.nn.conv2d(X, filters, strides=[1,2,2,1], padding="SAME")
with tf.Session() as sess:
output = sess.run(convolution, feed_dict={X: dataset})
plt.imshow(output[0, :, :, 1], cmap="gray") # plot 1st image's 2nd feature map
plt.show()
apscheduler.scheduler:INFO 2019-03-01 10:22:53,849 Adding job tentatively -- it will be properly scheduled when the scheduler starts
apscheduler.scheduler:INFO 2019-03-01 10:22:53,849 Adding job tentatively -- it will be properly scheduled when the scheduler starts
Do first job!
Traceback (most recent call last):
File "manage.py", line 10, in <module>
execute_from_command_line(sys.argv)
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\core\management\__init__.py", line 364, in execute_from_command_line
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\utils\functional.py", line 35, in __get__
res = instance.__dict__[self.name] = self.func(instance)
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\urls\resolvers.py", line 407, in url_patterns
patterns = getattr(self.urlconf_module, "urlpatterns", self.urlconf_module)
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\utils\functional.py", line 35, in __get__
res = instance.__dict__[self.name] = self.func(instance)
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\urls\resolvers.py", line 400, in urlconf_module
return import_module(self.urlconf_name)
File "C:\Python27\Lib\importlib\__init__.py", line 37, in import_module
__import__(name)
File "F:\PyCharmProjects\B\B\B\urls.py", line 433, in <module>
import td.jobs # NOQA @isort:skip
File "F:\PyCharmProjects\B\B\td\jobs.py", line 174, in <module>
deal_with_first_jobs()
File "F:\PyCharmProjects\B\B\td\jobs.py", line 88, in deal_with_first_jobs
send_wechat_mini_app_push_message(rmds)
File "F:\PyCharmProjects\B\B\td\push.py", line 201, in send_wechat_mini_app_push_message
for rmd in rmds:
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\db\models\query.py", line 250, in __iter__
self._fetch_all()
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\db\models\query.py", line 1121, in _fetch_all
self._result_cache = list(self._iterable_class(self))
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\db\models\query.py", line 53, in __iter__
results = compiler.execute_sql(chunked_fetch=self.chunked_fetch)
File "F:\PyCharmProjects\B\venv\lib\site-packages\django\db\models\sql\compiler.py", line 899, in execute_sql
raise original_exception
django.db.utils.InternalError: (1054, u"Unknown column 'rms.go_datetime' in 'field list'")
刚开始以为是代码写错了，后来发现并不是，出错的地方在jobs.py中所以其实并不是代码的问题，而是在jobs中为了能够在服务启动的时候发送上一次运行停止之后遗漏的任务导致的。所以如果使用了apscheduler可以尝试将jobs.py清空再次尝试。
其实官方提供了一个配置文档，但是实际在修改的时候还是发现一些问题：
在管理 DSM 5.0 或更新版本中的数据库时，MariaDB 套件的默认设置应该能够满足大多数用户的要求。但如必要，您可手动更改 MariaDB 设置以满足您的特定需求。
请按以下说明完成操作：
- 如果没有名为 my.cnf 的配置文件，请创建该文件。该文件应包含您要在 MariaDB 中更改的设置（请参见以下实例）。
- 将 my.cnf 文件置于 Synology NAS 的以下路径：/var/packages/MariaDB/etc
- 重启 Synology NAS 或执行 /usr/syno/bin/synopkg restart MariaDB 来应用新设置。更新 MariaDB 套件或重启 DSM 后，新设置将被保留。
例如，要提高传入 MariaDB 的文件的大小上限，您可在 my.cnf 配置文件中添加以下命令行：
[mysqld]
max_allowed_packet = 1073741824
对于后续的版本或者系统更新， 这个文件并不在这个目录下，对于我目前实用的系统这个文件应该在如下目录下：
vim /var/packages/MariaDB10/etc/my.cnf
并且还有另外一个很鸡肋的问题，就是提供提供的命令/usr/syno/bin/synopkg restart MariaDB 貌似并没啥效果，不管是stop还是restart都是提示成功了，stop后提示成功了，但是依旧可以访问，并且配置信息并没有生效。
网上随便搜一下就会发现关于Tensorflow-gpu的安装文章非常的多，但是写的都比较简略。并且官网的文档写的也比较的简略，并且google 官网上文档对于windows版本的也非常简略。
官网列出的硬件软件需求如下：
硬件要求
系统支持以下支持 GPU 的设备：
- CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU 卡。请参阅支持 CUDA 的 GPU 卡列表。
软件要求
必须在系统中安装以下 NVIDIA® 软件：
NVIDIA® GPU 驱动程序 – CUDA 9.0 需要 384.x 或更高版本。
CUDA® 工具包 – TensorFlow 支持 CUDA 9.0。
CUDA 工具包附带的 CUPTI。
cuDNN SDK（7.2 及更高版本）
（可选）NCCL 2.2，可实现多 GPU 支持。
（可选）TensorRT 4.0，可缩短在某些模型上进行推断的延迟并提高吞吐量。
除此之外就没有更多的信息了，在官方的pip安装说明页面中可以看到windows版本的其实对于python是有要求的，官方支持的版本如下：
代码：
cd /d d:\MachineLinerningProject
call D:\MachineLinerningProject\venv36\Scripts\activate
D:\MachineLinerningProject\venv36\Scripts\jupyter notebook
基于某些原因可能在开发的时候通过django的manage.py运行定时任务没有任何的问题，但是一旦到了线上环境通过nginx+uwsgi来运行就会发现定时任务不断的重复执行，并且基本都执行失败了。发生这个问题的原因在于uwsgi启动了多个进程来提供服务，于是每次启动的时候定时任务都会跟着再启动一次，于是有4个进程的话，对应的服务就会启动4次，除了第一次可能执行成功后面的基本都会挂掉。
要解决这个问题其实也不难，只要保证在第一次启动的时候添加定时任务并且执行，以后启动的进程不再处理定时任务即可。但是在这种条件下通过python的进程互斥其实貌似并不是非常好使，具体可以看这个：
uWSGI employs some tricks which disable the Global Interpreter Lock and with it, the use of threads which are vital to the operation of APScheduler. To fix this, you need to re-enable the GIL using the
--enable-threadsswitch. See the uWSGI documentation for more details.Also, assuming that you will run more than one worker process (as you typically would in production), you should also read the next section.
https://apscheduler.readthedocs.io/en/latest/faq.html#how-can-i-use-apscheduler-with-uwsgi