Linux开发工具之工程管理器make

此篇博文部分引用梁庚、陈明、马小录老师《高质量嵌入式Linux C编程》一书

在实际的开发过程中,仅仅通过使用gcc命令对程序进行编译是非常低效的,原因为:

(1)程序往往是由多个源文件组成的,源文件的个数越多,那么gcc的命令行就会越长。此外,各种的编译规则也会加大gcc命令行的复杂度,所以在开发调试程序的过程中,通过输入gcc命令行来编译程序是很麻烦的。

(2)在程序的整个开发过程中,调试的工作量占到整体工作量的70%以上。在调试程序的过程中,每一次调试一般只会修改部分源文件。而在使用gcc命令行编译程序时,gcc会把那些没修改的源文件一起编译,这样就会影响编译的总体效率。

Make工程管理器是完全根据Makefile文件中的编译规则命令进行工作的。Makefile文件有以下三项基本内容组成:

目标文件:依赖文件

<Tab>编译规则命令行

以hello.c为例的Makefile文件:

vim Makefile命令

hello : hello.c

gcc hello.o -o hello

hello.o:hello.c

gcc -c hello.c


Make工程管理器在编译程序时会检查每个依赖文件的时间戳,一旦发现某个依赖文件的时间戳比目标文件要新,就会执行目标文件的规则命令来重新生成目标文件。(自动根据makefile规则编译、自动检查时间戳)

为什么要先变成.o文件

加快编译速度(只把变化的.c生成.o,省时间、其他不变的直接链接)

同时有个伪目标:(还以hello为例)用于hello文件夹中删除.o文件

.PHONY : clean

clean:

rm -f *.o hello

下面以client文件做具体解析:

tree 型图


由此我们可以看出Makefile文件有三类:

总控Makefile:1、进入各个子目录(功能子目录)里执行make 命令

                      2、将所有的.o文件链接生成最终可执行文件

功能子目录Makefile:将src目录下的.c文件编译生成.o文件

scripts目录的Makefile:定义许多变量(相当于C语言中的头文件)

由这三类Makefile的功能可以看出:要想看懂程序,先看scripts目录的Makefile 然后总控Makefile 最后功能子目录Makefile

同时开发程序要学会给各个功能实现的代码等等分类,如:每个功能下有src (源码) png(图片) doc(文档) lib(库) bin(可执行文件) include(头文件)scripts(脚本文件)等。

三类Makefile都有各自的模板,依旧以client中的Makefile文件为例

scripts目录的Makefile

 CC := gcc

 CFLAGS := -Wall -O3                           

 Libs = -lpthread                              #加入库函数pthread

 Target := client

 Source := $(wildcard src/*.c)                  #列出所有src目录下的所有.c文件

 Objs := $(patsubst %.c,%.o,$(Source))          #将列出的.c文件变成.o文件

 Modules += check_putin  pack_message main      #将所有文件夹相加同时赋给了Modules这个变量

 AllObjs := $(addsuffix /src/*.o,$(Modules))    #将Modules文件夹下的src下的.o文件赋给AllObjs


总控Makefile:

include scripts/Makefile


 modules_make = $(MAKE) -C $(1);       #读取总控Makefile,然后去读取各个目录下的子Makefile文件

 modules_clean = $(MAKE) clean -C $(1);


 PHONY: all mm mc clean


 all: $(Target)


 mm:

        @ $(foreach n,$(Modules),$(call modules_make,$(n)))

#将Modules中的值赋给n,执行将n赋给modules_make,即对每个文件夹下执行make

 mc:

        @ $(foreach n,$(Modules),$(call modules_clean,$(n)))


 $(Target) : mm

        $(CC) $(CFLAGS) -o $(Target) $(AllObjs) $(Libs)#编译所有.c文件到.o文件

        @ echo $(Target) make done!#编译时执行却不显示,打印client make done


 clean : mc

         rm -rf $(Target)

         @ echo clean done!


功能子目录Makefile(子目录中Makefile内容一样):

include ../scripts/Makefile


all : $(Objs)         #编译所有.c文件到.o文件

clean :

       rm -rf $(Objs)


Makefile特性:变量 自动推导 文件查找 嵌套执行 条件判断 函数
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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