在 IBM AIX 7.1 上安装 IBM XL C/C++

开发牛人们注意了!你会在AIX 7.1上安装XL C/C++么?这里与您分享一篇在 IBM AIX 7.1 上安装 IBM XL C/C++的技术文章,记得闲暇之时阅读哦!

好了废话少说,来一起了解下吧!

 

本教程将介绍如何在 IBM AIX 7.1 操作系统上安装 XL C/C++ 版本 11.1。

您可以从 IBM Software Download 站点下载 XL C/C++ 版本 11.1。


图 1. 在 IBM 软件下载网站上寻找 XL C/C++
在 IBM 软件下载网站上寻找 XL C/C++ 

如果您不是 IBM 的员工,那么您可以寻找 试用版或演示版

不过,AIX 7.1 目前尚不支持该版本。IBM 针对这个问题发布了一个修复程序,可以从 IBM Fix Central 网站 下载该修复程序。


图 2. 搜索 IZ84777 修复程序
Fix Central 搜索界面

或者,也可以从 IBM FTP 网站 下载。

执行以下步骤,完成安装过程:

1. 登录到您希望安装 XL C/C++ 的服务器,然后下载以下软件包:

  • vacpp.11.1.0.0.GA.aix53TL7-61.ta
  • vacpp.111.aix53TL7-71.january.2012.ptf.tar.Z

请注意:除了这两个软件包外,对于本次安装,没有针对操作系统的特别要求。

2. 将 XL C/C++ 包解压到一个目录中。

	#mkdir vacpp
	#mv  vacpp.11.1.0.0.GA.aix53TL7-61.tar vacpp
	#cd vacpp
	# tar -xvf vacpp.11.1.0.0.GA.aix53TL7-61.tar
	#cd vacpp/usr/sys/inst.images

3. 使用 smitty 开始安装过程。


图 3. 使用命令行启动 smitty
使用命令行启动 smitty 

4. smitty installp


图 4. 安装软件
安装软件 

图 5. 为软件选择设备或目录
为软件选择设备或目录 

请注意:我们现在已进入目录。因为安装文件位于当前目录中。如果不是这样的话,您需要提供 /usr/sys/inst.images 目录所在的路径。


图 6. 选择 WPAR 安装设备
选择 WPAR 安装设备 

5. 预览安装过程。首先查看安装文件是否完全下载,以及是否受损坏。


图 7. 安装过程显示 OK 
安装过程显示 OK 

6. 安装过程应显示 OK。现在,请按下 Esc+3 或 F3 返回到之前的屏幕。


图 8. 将 Preview only 选项设置为 no
将 Preview only 选项设置为 no 

7. 请注意,我们在此安装中将 Preview only 选项修改为 no


图 9. 最终的屏幕显示
最终的屏幕显示 

8. 按下 Esc+0 或 F10 退出 SMITTY 菜单。

我们已经提到,本安装过程仅在 AIX 5.3 和 6.1 中受支持,在 AIX 7.1 上,我们需要对该安装应用一个修复程序。

访问保存有 vacpp.111.aix53TL7-71.january.2012.ptf.tar.Z 的目录并执行以下步骤:

9. 将 XL C/C++ (fix pack) 解压到一个目录中。

#mkdir vacpp-fix
#mv  vacpp.111.aix53TL7-71.january.2012.ptf.tar.Z vacpp-fix
#cd vacpp-fix
# uncompress  vacpp.111.aix53TL7-71.january.2012.ptf.tar.Z
# tar -xvf  vacpp.111.aix53TL7-71.january.2012.ptf.tar

10. 使用 inutoc <PTF directory> 命令在目录中创建一个 .toc 文件。

#inutoc /vacpp-fix

11. 使用 smitty install_all 命令启动安装过程。

#smitty install_all


图 10. 最终的屏幕显示
最终的屏幕显示 

12. 使用可安装文件所在的目录。如果位于相同的目录中,则使用 .。否则,使用目录路径。

按下 Enter 来应用我们下载的修复程序,获得 AIX 7.1 支持。


图 11. 最终的屏幕显示
最终的屏幕显示 

请注意:有时,由于未满足 IBM 调试器的需求,安装过程可能会失败。但是没有关系,我们已经在基础包安装中安装了 IBM 调试器。

完成本次安装后,接下来我们将导出路径,让每个构建文件都可以引用 /usr/vac/bin 目录下的 xlc_r 命令。

	 #export PATH=/usr/vac/bin:/usr/vacpp/bin:$PATH

现在,请尝试运行您的构建版本。

 

  • 0
    点赞
  • 2
    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