ASIHTTPRequest安装配置,实测

按照网上的教程来配置ASIHTTPRequest库结果就出现了错误:
Undefined symbols for architecture arm64: “OBJC_CLASS_$_ASIHTTPRequest”,reference from:
objc-class-ref in VIewController.o
ld:symbol(s) not found for architecture arm64
clang:error:linker command failed with exit code 1(use -v to see invocation)

解决的过程:
已经完成的步骤:二进制库文件包含。

1.重新向工程添加库文件,需要建立引用(选择Create groups,之前就是错选了create folder reference,其实教程里已经写了,自己没看清楚)

2.在BuildPhases中将CompileSources中,给包含了进去的库文件的Compiler Flags添加-fno-objc-arc
3.在Header Search Paths中添加:"${SDK_DIR}"/usr/include/libxml2
这个解决随后的: 'libxml/HTMLparser.h' file not found错误。

====================================

网上的参考资料:
ASIHTTPRequest配置:

ASIHTTPRequest 
1.下载最新版本 
官网:http://allseeing-i.com/ASIHTTPRequest/  (未验证)
最新版本下载:http://allseeing-i.com/ASIHTTPRequest/ (未验证)
2.安装及使用 
官网说明:http://allseeing-i.com/ASIHTTPRequest/Setup-instructions (未验证)
1)在项目中创建新的Group,添加说明中所需的代码,根据项目类型是iphone还是Mac添加附加文件。 
如果不能确定所需要的文件,那么将以下列表中的文件全部添加到项目中 
ASIHTTPRequestConfig.h 
ASIHTTPRequestDelegate.h 
ASIProgressDelegate.h 
ASICacheDelegate.h 
ASIHTTPRequest.h 
ASIHTTPRequest.m 
ASIDataCompressor.h 
ASIDataCompressor.m 
ASIDataDecompressor.h 
ASIDataDecompressor.m 
ASIFormDataRequest.h 
ASIInputStream.h 
ASIInputStream.m 
ASIFormDataRequest.m 
ASINetworkQueue.h 
ASINetworkQueue.m 
ASIDownloadCache.h 
ASIDownloadCache.m 
iPhone 项目还必须包括: 
ASIAuthenticationDialog.h 
ASIAuthenticationDialog.m 
Reachability.h (in the External/Reachability folder) 
Reachability.m (in the External/Reachability folder) 

xh注: 还需要添加-fno-objc-arc标志。如果不使用Create groups方式来添加文件的话,buildphases中的CompileSources中就不会出现这些文件。这个很重要。

2)添加ASIHTTPRequest中依赖的Frameworks 
CFNetwork, SystemConfiguration, MobileCoreServices, CoreGraphics and QuartzCore

xh注:还需要添加libxml2.tbd,libz.x.x.x.tbd。ios7之后,dylib后缀就变成了tbd了。

3)使用说明及示例代码 
http://allseeing-i.com/ASIHTTPRequest/How-to-use 
4)编译错误处理 
如果遇到编译错误类似:Undefined symbols for architecture armv7: 
"_OBJC_CLASS_$_ASIHTTPRequest",先检查上述的依赖代码是否已加入编译列表,如未加入,依次点击Target->Build Phases->Compile Sources,点击底部“+”添加上述代码。 
如果遇到编译错误类似:Undefined symbols for architecture armv7:   "_inflateEnd", referenced from,则应该是缺少依赖libz.dylib,添加方法:依次点击Target->Build Phases->Compile Sources,点击底部“+”,在弹出的列表中输入libz,添加搜索结果中最新版本即可。
  • 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