Tensorflow经过一年的发展，背靠着Google这颗大树，功能越来越完善，对移动设备支持非常不错，官方提供了如何在Android、iOS和树莓派上编译的教程。
按照官方提供的编译方法，很顺利的完成了Tensorflow的编译，并运行了label_image和camera两个Demo，使用了训练好的inception模型，对测试图片进行分类，目测速度还不错，详细的性能数据稍后补上。
github上有个FaceNet项目，用Tensorflow实现了人脸识别，人脸检测和对齐使用了dlib，用python实现，也可以运行在树莓派上。
美版Nexus 5(D820)支持WCDMA，缺少了Band 3的支持，偏偏联通4G用的就是Band 3，网上有高手放出了破解的工具，http://bbs.gfan.com/android-7648826-1-1.html，高手的描述太深奥，对小白用户来说很难理解，有人录制个视频，http://bbs.gfan.com/android-7659472-1-1.html，讲解还算清楚，但略长，其实就几步能搞定，小编按照视频的方法搞定了，有图有真相。
方法一、安装了Android开发环境的用户适用
adb connect <your_device_ip_address>
adb install -r VXL2.6.7.3_91vst_v1.apk
方法二、一般用户
python adb_install.py <your_device_ip_address>
#include <android/log.h>
#define LOG_TAG "System.out”
#define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__)
#define LOGI(...) __android_log_print(ANDROID_LOG_INFO, LOG_TAG, __VA_ARGS__)
LOGI("info\n");
LOGD("debug\n");
LOGD(“The string is %s”, p_str);
jclass cls = (*env)->GetObjectClass(env, thiz); jmethodID methodId = (*env)->GetMethodID(env, cls, "getAout", "()I"); bool use_opensles = (*env)->CallIntMethod(env, thiz, methodId) == AOUT_OPENSLES; // ... (*env)->DeleteLocalRef(env, cls);
Android 4.1以后引入了MediaCodec，终于在Android SDK层面支持了音视频编解码，官方SDK文档中没有过多描述，网上系统介绍的文章比较少，找到一些比较有用的参考代码。 Continue reading MediaCodec相关资源
Java语言特性注定了轻松被爆菊的命运，虽然有代码混淆，反编译后的代码还是具备一定的可读性，为反编译、修改代码提供了便利，下面祭出完爆APK的几大神器：
摩托罗拉发布了Moto 360后，第一时间在Google Play上抢了一台，用了半年多时间，算是较早使用Android Wear设备的用户，Android Wear目前还不完善，还不太实用，跟最近发布的Apple Watch相比，应用比较少，配置复杂，所有通讯都是通过蓝牙连接，尤其对天朝人民来来说，需要手机翻墙（伟大的GFW），很多人问我有什么功能，大致整理如下：
2015年2月，新一代的树莓派2发布了，第一时间在element14上下了单，被告知到3月才有货，在国外的网站上看了一圈，基本都没货，考虑到海淘成本，还是等等吧。