关闭裁剪功能_软件发布前的优化与裁剪：gflags和glog

因为最早期的框架如Caffe，先支持了X86平台如CUDA等，在设计之初并未考虑现如今的移动端场景，能怎样简化开发流程，有什么现成的库就拿来用。这也导致早期安装Caffe时，由于一堆依赖需要预先安装，相当费劲。

后来有了移动端的推理需要，Github上便有人对Caffe进行裁剪，比方下面这两个项目：sh1r0/caffe-android-lib: Porting caffe to android platform 和 solrex/caffe-mobile: Optimized (for size and speed) Caffe lib。

2017年中，看到过百度的手百团队《利用CNN实现无需联网的图像识别》的移动端IOS和安卓的AI报告，针对移动端内存、耗电量、图搜插件100KB大小限制、模型10MB大小限制、模型部署加密等问题，提出并落地了相关解决方案。 不过早期的思路，便是精简Caffe，比方做的工作就有：blas从openblas切换到cblas；裁剪glog；精简gflag;裁剪protobuf；移除backpropagation；并保留常见Operator，并对部分模块Blob，Net等进一步精简，Caffe原本37MB降为100KB大小。

移动端本身就够复杂了，因而有简化甚至是移除这些依赖库的要求，甚至为此开发新的框架。接上次发的《软件发布前的优化与裁剪：初识》，上次讲到我们可以在cmake ..后追加--graphviz=这个参数来打印编译的target依赖，以此作为裁剪的参考，还有strip命令等。这次记录下裁剪、移除gflags和glog等库的具体实践和想法。目录如下：

1. 简化glog
2. 移除gflags
3. 裁剪protobuf
4. CMAKE中的CMAKE_BUILD_TYPE
   1. CMAKE_BUILD_TYPE的设置方式
   2. CMAKE_BUILD_TYPE的四种模式

---

1. 简化glog

考虑到移动端对动态、静态库的轻量要求，比方ncnn-andorid-armv8静态库仅1.9MB，裁剪glog。其实说裁剪并不准确，实际中重新实现了有如下功能的logging：

# 支持的函数：其实就是用到的glog中的函数（等效实现）
CHECK
CHECK_EQ
CHECK_NE
CHECK_LT
CHECK_LE
CHECK_GT
CHECK_GE

LOG(INFO)
LOG(WARNING)
LOG(ERROR)
LOG(FATAL)

VLOG(0~9): enable by `export GLOG_v&