cocos2d-x交叉编译到安卓

ccocos2d-x是一个基于MIT协议的开源框架,用于构建游戏、应用程序和其他图形界面交互应用。它的最大特点就是跨平台性,支持IOS, Android,Windows, WindowsPhone等诸多平台,可以在创建多平台游戏上节约大量人力、物力。下面,介绍cocos2d-x项目交叉编译到Android平台,生成APK安装文件的过程.

一、交叉编译cocos2d-x到Android需要Java,Python环境,需要先搭建好,这里不再赘述。

二、搭建Eclipse下Android的开发环境(需要eclipse和Android SDK)
Android官网上提供了集成开发环境,下载完后解压启动eclipse即可使用,十分方便。
下载地址:http://developer.android.com/sdk/index.html#download
选择与自己电脑对应的版本,下载完后解压
 进入eclipse文件夹,试试能不能启动ecplise。如果可以启动,Android的开发环境就算搭建好啦。

三、安装Android NDK
  Android NDK是android交叉编译时对C/C++的解析编译工具。
选择对应的版本,下载完后需要添加环境变量:
添加变量名为NDK_ROOT
变量值为直到有许多文件的文件路径

四、安装cygwin
  到cygwin的官网上下载cygwin:http://www.cygwin.com/
下载完后点击安装,路径一般选择默认路径。
下载源选用http//:mirrors.163.com较快。
最重要的一点,在选择需要下载的包时,要勾选Devel项为Install,Devel包下有make工具,编译Android时需要使用。其他
包都是不必要的,建议不勾选。全部包貌似有7、8G,可以下到天亮了。

接下来要配置cygwin的NDK环境(cygwin利用NDK编译C++代码)
打开cygwin安装目录的home文件夹,里面有一个自动生成的用户名文件夹(例如我的是:C:\cygwin\home\chen)编辑里面的.bash_profile文件, 在文件的最后添加NDK的路径(路径跟NDK环境变量一致):
请特别注意要使用cygwin的路径格式,使用 ‘/ ’而非windows的 ‘\’,cygdrive是指本地磁盘,g是指g盘。

五、利用cygwin编译cocos2d-x项目
打开cocos2d-x项目中的proj.android文件夹
1)打开proj.android文件夹中的jni文件夹,编辑里面的Android.mk文件,在LOCAL_SRC_FILES中手动添加项目中的所有的cpp名字。
 或者利用如下代码更改为如下自动遍历Classes文件夹添加cpp类(也是在Android.mk中更改,将LOCAL_SRC_FILES部分的代码替换为如下代码)
# 遍历目录及子目录的函数
define walk
$(wildcard $(1)) $(foreach e, $(wildcard $(1)/*), $(call walk, $(e)))
endef
# 遍历Classes目录
ALLFILES = $(call walk, $(LOCAL_PATH)/../../Classes)
FILE_LIST := hellocpp/main.cpp
# 从所有文件中提取出所有.cpp文件
FILE_LIST += $(filter %.cpp, $(ALLFILES))
LOCAL_SRC_FILES := $(FILE_LIST:$(LOCAL_PATH)/%=%)</span>
 2)运行cygwin,回到proj.android下,将目录下的build_native.sh文件拖曳到cygwin窗口中开始编译项目。
   
       成功编译:
    

六、在eclipse中导入项目并生成Apk文件
1.首先导入项目:右击选择import,然后你的cocos2d项目(注意是你的cocos2d项目,而不是proj.android文件夹)
   

2.因为eclipse需要调用cygwin的bash程序来编译android项目,所以要在eclipse中配置cygwin的信息。
  首先,右击项目->选择property->选择builders->选择New->选择Program新建一个编译程序。
  如下是我的程序信息:


Name不用修改,保持为Native_Builder
Location改为你的bash程序的路径,找到bash.exe的位置即可。
Working Directory改为你的cygwin的bin目录
Arguments将最后的APP= SameGame改为你的项目名称(SameGame是我的项目名称)

点击OK,接着通过UP将Native_Builder调至最上面


接着选择C/C++ Build->Enviroment->Add添加你的cygwin的bin路径,点击OK



接着,就可以右击运行程序(run as android application),然后再cocos2d项目的proj.adnroid下的bin文件夹中会生成该项目的APK文件,拿出来安装到手机吧,可以就大功告成啦!!


这里注意,因为android虚拟机不支持OpenGL,所以在虚拟机上不能测试cocos2d项目,所以生成的APK文件要在真机行运行。

常见问题:
1.在ecplise中点击run as android application后会出现...Zip add failed的问题,这其实是文件访问权限的问题,在使用cygwin 编译代码时没有声明更高级的访问权限,所以有些资源无法访问。
[2014-06-03 20:02:52 - MyApp]       Unable to add 'G:\cocos2d-x-2.2.3\projects\MyApp\proj.android\assets\crystal_guardian\background.jpg': Zip add failed
[2014-06-03 20:02:52 - MyApp] ERROR: unable to process assets while packaging 'G:\cocos2d-x-2.2.3\projects\MyApp\proj.android\bin\resources.ap_'
    解决方法:在使用cygwin时,声明proj.android为chmod -R 755*访问模式。
   进入cocos2d的工程后,输入chmod -R 755* proj.android 即可声明proj.android的访问权限。

2.如何改变横屏竖屏显示?
    eclipse上默认为横屏显示,如果需要竖屏显示,首先打开项目文件中的AndroidMainifest.xml文件,在activity中可以看到
   android:screenOrientation = "landscape" //横屏
    将它更改为
   android:screenOrientation="portrait"  //竖屏

如上是cocos2d-x交叉编译到安卓的全过程,希望对你们有帮助。
本文参考文章:http://blog.csdn.net/sttyytw/article/details/17005263   ,部分图片取自上面的博客。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 2
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