合并库

出自http://tech.it168.com/KnowledgeBase/Articles/5/e/0/5e0f35b27d205c90de00e1b6571db6fe.htm

在转这个文章的时候,我还没有测试过这个功能。只是觉的有用就拿到自己这,因为我知道有一天我会用到这东东



我在写自己的库的途中,为了读图片,又没有能力自己写,不得不用到了另外两个库(zlib和libpng), 编译出来以后给测试程序用. 麻烦的是,测试程序仍然需要添加上那两个库才能运行. 这大概是因为mingw在编译时没有自动合并库中的函数定义,而只是把函数名写进去了. 所以测试程序虽然包含了我的库,却无法找到内部用到的函数的实现.

然后我就尝试把zlib和libpng的源代码都加进来一块编译,虽然编译通过了,但测试程序根本读不出图片. 结果就又删了.

搜一了下:"合并静态库", 找到只言片语,说是用ar和nm这两个工具. 没想到真的可以! .a文件,也就是unix的库文件,大概来自archives这个词,是由各个模块的.o文件组成的. ar命令用来修改和创建库,nm用来查看库内部的.o模块. 没有一个直接的方法可以实现add x.a y.a, 来把y合并到x中的. 但这时... ar命令有一个参数-x, 用来把内部的.o模块都提取出来, 然后再用ar -r把提取出来的所有.o文件都加到主库就行了,实际操作如下:

ar  - x y.a
这时目录中出现了y1.o, y2.o 
ar 
- r x.a y1.o y2.o
没了

最后达到了不加任何连接库就可以顺利运行的效果. 但是我那小小的库被合并胖了好几倍... 
这招应该同样适用于合并动态库的导入库.

这样手动太累了,碰到libopengl32.a, 提取出来360多个模块! 这下非要做个自动合并工具才行了. that's it:

#include <stdio.h>
   # include <stdlib.h>

int main(int argn, char 
** arg)
{
  char str[
256 ];
  char command[
20 ];
  FILE 
* fp;
  
  char 
* mainlib;
  char 
* addlib;
  
  
if  (argn  !=   3 ) {
    printf (
" should be not 2 file\n " );
    
return   1 ;
  }
  mainlib 
=  arg[ 1 ];
  fp 
=  fopen (mainlib,  " r " );
  
if  (fp  ==  NULL) {
    printf (
" error file\n " );
    
return   1 ;
  }
  fclose (fp);
  
  addlib 
=  arg[ 2 ];
  fp 
=  fopen (addlib,  " r " );
  
if  (fp  ==  NULL) {
    printf (
" error file\n " );
    
return   1 ;
  }
  fclose (fp);
  printf (
" start to expand addlib file\n " );
  sprintf (command, 
" ar -x %s " , addlib);
  system (command);
  printf (
" start to check the addlib out to a.txt \n " );
      // 用ar -t显示模块名列表,保存在a.txt文件里,如果能保存在内存里就快了
  sprintf (command, 
" ar -t %s > a.txt " , addlib);
  system (command);
  
  fp 
=  fopen ( " a.txt " " r " );
  
if  (fp  ==  NULL) {
    printf (
" error\n " );
    
return   1 ;
  }
  
  
while  ( - 1   !=  fscanf (fp,  " %s " , str)) {
      sprintf (command, 
" ar -r %s %s " , mainlib, str);
      
// sprintf (command,  " ar -d %s %s " , mainlib, str);
      
// printf ( " %s\n " , command);
      system (command);
      sprintf (command, 
" del %s " , str);
      system (command);
  }
  
  fclose (fp);

    
return  0;
}
后来试了一下通过管道来得到模块名, 速度并没有什么提高.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于PyTorch的Embedding和LSTM的自动写诗实验LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。
CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的这个代码主要是研究手写数字的识别效率,用卷积神经网络算法来实现,用的是官方手写字体数据,能够显现百分之九十以上的识别率+使用说明文档 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
基于LSTM+CNN的自然语言处理,基于单维LSTM、多维LSTM时序预测算法和多元线性回归算法的预测模型LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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