dh -sh linux,使用autotools自动生成Makefile并在此之上使用dh-make生成可发布的deb程序包...

3.5、 执行autoheader和aclocal命令

autoheader是用来映射头文件,aclocal用来设置所有的宏(执行aclocal会产生aclocal.m4文件,如果没有特别的要求,无需修改它。用 aclocal产生的宏将会提示automake如何动作。)。

zhouyl@zhouyl:/tmp/hello$ ls

autoscan.log configure.in hello.c Makefile.am

zhouyl@zhouyl:/tmp/hello$autoheader

zhouyl@zhouyl:/tmp/hello$ ls

autom4te.cache autoscan.log config.h.in configure.in hello.c Makefile.am

zhouyl@zhouyl:/tmp/hello$ aclocal

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autom4te.cache autoscan.log config.h.in configure.in hello.c Makefile.am

zhouyl@zhouyl:/tmp/hello$

3.6、使用automake命令了:

zhouyl@zhouyl:/tmp/hello$ automake

configure.in:8: required file `./install-sh' not found

configure.in:8: `automake --add-missing' can install `install-sh'

configure.in:8: required file `./missing' not found

configure.in:8: `automake --add-missing' can install `missing'

Makefile.am: required file `./INSTALL' not found

Makefile.am: `automake --add-missing' can install `INSTALL'

Makefile.am: required file `./NEWS' not found

Makefile.am: required file `./README' not found

Makefile.am: required file `./AUTHORS' not found

Makefile.am: required file `./ChangeLog' not found

Makefile.am: required file `./COPYING' not found

Makefile.am: `automake --add-missing' can install `COPYING'

所以,根据提示,我们缺少 NEWS、README、AUTHORS、ChangeLog和COPYING,而使用automake --add-missing会生成COPYING,所以在此之前我们需要手动添加这几个文件:

zhouyl@zhouyl:/tmp/hello$ touch NEWS README AUTHORS ChangeLog

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autom4te.cache ChangeLog configure.in Makefile.am README

AUTHORS autoscan.log config.h.in hello.c NEWS

注:这是我在演示如何使用autotools,如果是你真得要发布软件,请仔细填写这几个文件,而不是使用touch生成一个空文件。

现在我们可以使用automake --add-missing:

zhouyl@zhouyl:/tmp/hello$ automake --add-missing

configure.in:8: installing `./install-sh'

configure.in:8: installing `./missing'

Makefile.am: installing `./INSTALL'

Makefile.am: installing `./COPYING' using GNU General Public License v3 file

Makefile.am: Consider adding the COPYING file to the version control system

Makefile.am: for your code, to avoid questions about which license your project uses.

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autom4te.cache ChangeLog configure.in hello.c install-sh Makefile.in NEWS

AUTHORS autoscan.log config.h.in COPYING INSTALL Makefile.am missing README

会发现,现在使用automake很顺利,而且生成了INSTALL、COPYING等文件。

3.7、使用autoconf

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autom4te.cache ChangeLog configure.in hello.c install-sh Makefile.in NEWS

AUTHORS autoscan.log config.h.in COPYING INSTALL Makefile.am missing README

zhouyl@zhouyl:/tmp/hello$autoconf

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autom4te.cache ChangeLog configure COPYING INSTALL Makefile.am missing README

AUTHORS autoscan.log config.h.in configure.in hello.c install-sh Makefile.in NEWS

所以,我们可以看到,使用autoconf命令生成了configure。

3.8、./configure , make

接下来的工作无非就是使用configure,生成make文件:

zhouyl@zhouyl:/tmp/hello$./configure

checking for a BSD-compatible install... /usr/bin/install -c

checking whether build environment is sane... yes

……(a lot of cheaking)

configure: creating ./config.status

config.status: creating Makefile

config.status: creating config.h

config.status: executing depfiles commands

zhouyl@zhouyl:/tmp/hello$ls

aclocal.m4 autoscan.log config.h.in configure depcomp install-sh Makefile.in README

AUTHORS ChangeLog config.log configure.in hello.c Makefile missing stamp-h1

autom4te.cache config.h config.status COPYING INSTALL Makefile.am NEWS

所以,使用./configure生成了Makefile、config.h和其他一些文件。

因为此时Makefile文件已经生成,所以我们可以使用make命令了:

zhouyl@zhouyl:/tmp/hello$ make

(CDPATH="${ZSH_VERSION+.}:" && cd . && /bin/bash /tmp/hello/missing --run autoheader)

rm -f stamp-h1

touch config.h.in

cd . && /bin/bash ./config.status config.h

config.status: creating config.h

make all-am

make[1]: 正在进入目录 `/tmp/hello'

gcc -DHAVE_CONFIG_H -I. -g -O2 -MT hello.o -MD -MP -MF .deps/hello.Tpo -c -o hello.o hello.c

mv -f .deps/hello.Tpo .deps/hello.Po

gcc -g -O2 -o beep hello.o

make[1]:正在离开目录 `/tmp/hello'

zhouyl@zhouyl:/tmp/hello$ ls // 使用make命令后,生成了二进制可执行文件,因为我们在上面已经指定,所以生成的可执行文件名不是hello而是beep

aclocal.m4 autoscan.log config.h config.log configure.in hello.c install-sh Makefile.in README

AUTHORS beep config.h.in config.status COPYING hello.o Makefile missing stamp-h1

autom4te.cache ChangeLog config.h.in~ configure depcomp INSTALL Makefile.am NEWS

dslab@Raring-Ringtail:/tmp/hello$ ./beep // 运行二进制可执行文件,得正确的执行结果

hello,world

分析一下可以发现,我们这一步的步骤大致是这样的:

Makefile.in -----+ +-> Makefile -----+-> make -> binary

src/Makefile.in -+-> ./configure -+-> src/Makefile -+

config.h.in -----+ +-> config.h -----+

其实此时,在当前目录下有Makefile文件,我们可以做的工作有:

* make all:产生设定的目标,即生成所有的可执行文件。使用make也可以达到此目的。

* make clean:删除之前编译时生成的可执行文件及目标文件(形如*.o的中间文件)。

* make distclean:除了删除可执行文件和目标文件以外,把configure所产生的 Makefile文件也清除掉。通常在发布软件前执行该命令。

* make install:将使用make all或make命令产生的可执行文件以软件的形式安装到系统中。若使用bin_PROGRAMS宏,程序将会被安装到 /usr/local/bin下,否则安装到预定义的目录下。

* make dist:将程序和相关的文档包装为一个压缩文档以供发布。执行完该命令,在当前目录下会产生一个名为PACKAGE-VERSION.tar.gz的文件。PACKAGE 和 VERSION 这两个参数是来自configure.in文件中的AM_INIT_AUTOMAKE(PACKAGE,

VERSION)。如在上个例子中执行make dist命令,会产生名为“hello-1.0.tar.gz”的文件。

* make distcheck:与make dist类似,但是加入了检查包装以后的压缩文件是否正常。

======================= 下面步骤是生成deb程序包,Debian系专属 ==================================

3.9、make dist 提取源程序包

下面,我们做的可是高端大气上档次的工作 -- 生成可发布的Debian应用包 -- deb文件。(Debian系Linux专属哦)

首先,我们使用“ make dist ”命令,make dist将程序和相关的文档包装为一个压缩文档以供发布。从此,你将再也不想手动写Makefile!!

zhouyl@zhouyl:/tmp/hello$ make dist

if test -d "beep-0.1"; then find "beep-0.1" -type d ! -perm -200 -exec chmod u+w {} ';' && rm -rf "beep-0.1" || { sleep 5 && rm -rf "beep-0.1"; }; else :; fi

test -d "beep-0.1" || mkdir "beep-0.1"

test -n "" \

|| find "beep-0.1" -type d ! -perm -755 \

-exec chmod u+rwx,go+rx {} \; -o \

! -type d ! -perm -444 -links 1 -exec chmod a+r {} \; -o \

! -type d ! -perm -400 -exec chmod a+r {} \; -o \

! -type d ! -perm -444 -exec /bin/bash /tmp/hello/install-sh -c -m a+r {} {} \; \

|| chmod -R a+r "beep-0.1"

tardir=beep-0.1 && ${TAR-tar} chof - "$tardir" | GZIP=--best gzip -c >beep-0.1.tar.gz

if test -d "beep-0.1"; then find "beep-0.1" -type d ! -perm -200 -exec chmod u+w {} ';' && rm -rf "beep-0.1" || { sleep 5 && rm -rf "beep-0.1"; }; else :; fi

zhouyl@zhouyl:/tmp/hello$ ls

aclocal.m4 autoscan.log config.h config.status COPYING install-sh Makefile.in README

AUTHORS beep-0.1.tar.gz config.h.in configure hello.c Makefile missing stamp-h1

autom4te.cache ChangeLog config.log configure.in INSTALL Makefile.am NEWS

我们可以看到,目录里多了个beep-0.1.tar.gz文件。这就是我们后续工作的核心0b1331709591d260c1c78e86d0c51c18.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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