C++构建跨平台引擎调研及总结

胖胖腐乳

已于 2023-05-08 13:51:54 修改

阅读量155

点赞数

分类专栏：其他文章标签： c++ 开发语言

于 2023-03-06 14:01:33 首次发布

本文链接：https://blog.csdn.net/weixin_41967328/article/details/129360984

版权

其他专栏收录该内容

15 篇文章 0 订阅

订阅专栏

1. 引言

当前引擎跨平台开发流程：

1. Windows端使用VS进行开发，使用VS打包dll供第三方调用

2. Android端使用AS进行开发，使用NDK + CMake方式打包so动态链接库供第三方集成

3. IOS端使用Mac Xcode进行开发，使用Xcode打包为.a/framework 供第三方集成

4. Linux端使用CLion CMake进行开发，使用CMake打包为so动态链接库供第三方调用

总而言之，不同操作系统使用的开发工具IDE不尽相同，而且我们需要为每个平台都创建一层引擎源码，无论是开发还是编译，都非常繁琐，牵一发而动全身。可否考虑使用统一的代码对之进行合并，实现 "write once，run everywhere" 呢？

因此我们对市场上开源的C++引擎进行了调研，希望从中借鉴经验。

2. 开源引擎框架调研

2.1 ncnn

ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。 ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI 带到你的指尖。 ncnn 目前已在腾讯多款应用中使用，如：QQ，Qzone，微信，天天 P 图等。

我们首先观察了下ncnn的跨平台的方式，ncnn使用CMake进行跨平台：

1. 使用CMake + C++ 方式开发跨平台引擎

2. 使用CMake + toolchains 方式控制不同平台、操作系统的库编译

3. 代码层面使用不同操作系统的宏定义，实现代码编译的选择

2.2 tnn

TNN：由腾讯优图实验室开源的高性能、轻量级神经网络推理框架，同时拥有跨平台、高性能、模型压缩、代码裁剪等众多突出优势。TNN框架在原有Rapidnet、ncnn框架的基础上进一步加强了移动端设备的支持以及性能优化，同时借鉴了业界主流开源框架高性能和良好拓展性的特性，拓展了对于后台X86, NV GPU的支持。手机端 TNN已经在手机QQ、微视、P图等众多应用中落地，服务端TNN作为腾讯云AI基础加速框架已为众多业务落地提供加速支持。欢迎大家参与协同共建，促进TNN推理框架进一步完善。

TNN则是使用Bash、Bat脚本的方式对引擎进行编译。

1. 脚本中控制环境变量，脚本内部使用CMake、Xcodebuild进行跨平台编译

2. 代码层面使用不同操作系统的宏定义，实现代码编译的选择

2.3 总结

1. 理论上CMake支持所有跨平台操作系统；但是这种方式需要开发者对CMake使用掌握较高（熟悉各类CMake编译选项，如VS编译选项转CMake、Xcode编译优化选项转CMake等），其次是该种方式不利于开发者使用IDE对源码进行调试；如果项目成熟，仅是为了编译引擎，我们可以考虑使用该种方式。

2. 使用脚本的方式，本质上也是使用CMake以及专用编译工具链进行操作，同样无法进行项目调式等。

3. C++引擎构建方案

3.1 工程目录结构

├── include # 供给调用者的头文件
├── src # SDK引擎源码
├── scripts # 各跨平台项目工程文件夹
│   ├── IOS # xcode项目文件夹，可以编译源码及Demo
│   ├── Linux_x86_64 # CLion项目文件夹，可以编译源码及Demo
│   └── Android # 项目文件夹，编译源码及Demo
├── third_party # 依赖的第三方库
│   └── Linux_x86_64 # Linux操作系统
├── need_environment # 其他需要使用的资源文件(如模型权重等)
├── doc # 相关文档目录
└── README.md # 说明文档