田海立@CSDN2012-8-17 本文简要描述AppWidget系统框架，并对AppWidget系统里的AppWidgetHost(IAppWidgetHost) / AppWidgetProvider / AppWidgetService(IAppWidgetService) / AppWidgetManager等组件做简要的阐述。Android中的AppWidget也就是“窗口小部件”，实现

田海立@CSDN2012-9-12 本文讲述Android中AppWidget系统的核心AppWidgetService。从AppWidgetService提供的外部接口、内部数据结构、初始化过程以及典型场景的实现等几方面来阐述。前面讲述AppWidget的诸文中已经讲到，AndroidAppWidget系统里的Host角色和Provider角色的实例通过AppwidgetHost/ AppWid

高通的骁龙888在苏黎世联邦理工学院（ETH）的AI-Benchmark榜单上发布，并刷新了榜首位置。不过数据来自Dev Platform，采用888芯片的XiaoMI 11的分数并不那么亮眼。麒麟990 5G通过系统升级，排行也进入前三，并且头两名是后发布的芯片。

卷积的权重（Weight/Kernel/Filter）的数据格式一般不同于Tensor或Activation数据，有其特定的排布方式。但是这深入到平台（训练和/或推理）内部的机制了，一般大众的使用者不会关心，所以这部分信息很少。本文给出一些指引，实际用到时可以利用《图解NCHW与NHWC数据格式》里的分析方法再去具体理解。

《图解NCHW与NHWC数据格式》中从逻辑表达和物理存储角度用图的方式讲述了NHWC与NCHW两种数据格式，数据shape是可以改变的，本文介绍TensorFlow里Tensor的Shape概念，并用图示和程序阐述了reshape运算。

与tf.strided_slice比，tf.slice相对更简单些，在各维度上切分指定起始点和尺寸的数据。本文用图文的方式来解释TensorFlow中slice算子运算的方式。

本文用图文的方式来解释TensorFlow中strided_slice算子运算的方式。

AI Benchmark这里特指ETHZ（苏黎世联邦理工学院）的AI性能评测工具。最新其发布了v4版本以及基于这个版本的soc和手机AI性能数据。本文分析了AI Benchmark测试的原理，v4版本的变化，以及榜单头部海思麒麟990 5G与MTK天玑1000+的对比。据此也就能解读AI-Benchmark榜单​​​​​​​上各个数据的含义了。

PyTorch在1.3发布Pytorch Mobile，其支持情况如何，能否与TensorFlow Lite一较上下呢？本文试分析之。PyTorch Mobile的宣传显得要么诚意不足要么对行业领悟不够。目前只能说是有Mobile这个路在而已，与TFLite比不可同日而语，至少目前的实现是。相对于Google移动端的即有Android生态布局，Facebook有其苦衷，要坚守其生态底线又要放弃次要

多apk发布之所以然：多架构、多语言、多Layout；Google Play应用程序与手机匹配策略；adb install-multiple