osx下配置Cocos2d-x 3.x Android开发环境

配置前需要准备的

首先需要看一下官网文档

http://www.cocos.com/doc/article/index?type=cocos2d-x&url=/doc/cocos-docs-master/manual/framework/native/v3/getting-started/setting-up-development-environments-on-mac-with-eclipse/zh.md

 

另外推荐教程

http://www.cocoachina.com/bbs/read.php?tid=199238

 

官网文档没太说清楚,所以我做一个补充

1.ADT(建议下载adt-bundle,为ADT+Eclipse)

2.NDK

3.ANT

4.Cocos2dx(使用了3.x版本)

5.Python(osx10.10自带2.7)

6.JDK(不多讲)

首先下载以上并解压

我的ADT(PyDev是Eclipse的Python插件,可忽视)

NDK放在了sdk下

ant放在了ADT下

 

Cocos2dx与ADT并列存放

 

 

打开终端

进入Cocos2dx的路径

$ ./setup.py

 或

$ python setup.py

即运行Python脚本

 

此时会要求输入几个环境变量,XX_ROOT。

即XX(JDK,NDK,ANT等的路径)

此处可以不手动输入,直接把文件夹拖进控制台。

 

或者可以跳过,再输入指令:

$ export NDK_ROOT="../andriod-ndk-r10e"

 等几个变量定义

注意!

NDK_ROOT, =, "", 三个部分间一定不要有空格!

有空格终端就会认为是不同的部分

 

另外ANT的定义应为../ant/bin

即下图

在编译时会使用ant这个文件,所以如果设置为上一级路径会提示ant是一个目录

 

 

 

接下来按照官网的文档建立一个helloworld

 

创建HelloWorld项目

将刚才下载的压缩包解压到你指定的文件夹里。

进入到目录cocos2d-x-3.2alpha0/tools/cocos2d-console/bin/cocos.py

打开终端运行cocos.py脚本创建文件

 

./cocos.py new HelloWorldDemo -p com.coco2dx.org -l cpp -d ~/Desktop


或者


python cocos.py new HelloWorldDemo -p com.coco2dx.org -l cpp -d ~/Desktop

参数说明:

  • HelloWorldDemo为项目名称
  • -p后面接包名
  • -l后面接开发语言类型,有cpp, lua, js三种类型
  • -d后面接项目存放的目录

 

 

然后desktop就产生了Helloworld Demo

然后进行编译

 

执行HelloWorldDemo/proj.android下的build_native.py脚本进行编译

 

然后就编译成功

 

 

 

接着继续按照官方文档来

 

HelloWorldDemo/cocos2d/cocos/2d/platform/android/java/src/org/cocos2dx/lib文件夹拷贝

此处我没有这个路径,我有的路径是

HelloWorldDemo/cocos2d/cocos/platform/android/java/src/org/cocos2dx/lib

 

HelloWorldDemo/proj.android/src/org/cocos2dx下。

 

并且我是将platform下的src文件夹和proj.android下的src合并了的。

 

 

 

接着

导入Android项目到Eclipse

 

 

按照官方文档来这里应该已经可以运行了。

 结果我总是报错,不知道是否与我几天前动了SDK的原因,因为只报错而整个工程中没有错误……

——————

更新,后来重新进行了编译,找到了报错点,解决方法因为不是很好找,为了便于也许某一天能帮到谁,单独写了一篇博文

COCOS2D-X 3.X 错误 COCOS2DXDOWNLOADER 编译报错

 

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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、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。
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