Cmake 自学笔记(linux)(一)

一. cmake有什么用?

可自行百度,简单理解就是跨平台编译

复杂工程代码之间的调用关系复杂而严格,如果我想在这样复杂的框架下进行二次开发,显然只拥有它的源码是远远不够的,还需要清楚的明白这几十个项目之间的复杂关系,在没有原作者的帮助下进行这项工作几乎是不可能的。

即使是原作者给出了相关的结构文档,对新手来说建立工程的过程依旧是漫长而艰辛的,因此CMake的作用就凸显出来了。原作者只需要生成一份CMakeLists.txt文档,框架的使用者们只需要在下载源码的同时下载作者提供的CMakeLists.txt,就可以利用CMake,在”原作者的帮助下“进行工程的搭建。

所以CMakeLists的作用就是告诉你这些源码之间的关系,也就是如何通过CMakeLists将这些源码搭建成一个工程,而那些ide其实就是根据CMakeLists来搭建工程的,比如我们熟悉的qtcreator(还记得用qt搭建px4的开发环境时就是先载入这个CMakeLists)。

而cmake的作用就是按照CMakeLists去执行编译的工具。但要注意,cmake这个命令不是用来执行编译,而是用来执行CMakeLists构建工程,得到makefile文件夹,这个文件夹存放的是编译规则,接下来就需要使用make命令编译这个makefile文件夹

二. 先从一个简单例子开始

1.先新建了一个文件夹(cmake-learning),在该文件夹下新建两个文件(main.cpp和CMakeLists.txt)和一个新的文件夹(build)。
2.在CMakeLists.txt中写入

 PROJECT(test) 
 ADD_EXECUTABLE(mytest ./main.cpp)

3.在main.cpp中写入

#include "stdio.h"
int main(){
    printf("6666666\n");
    return 0;
}

4.执行以下命令

cd ~/cmake-learning/build //必须要进入该文件夹下,否则由cmake产生的文件不在里面。
cmake ..                  //cmake的作用不是编译,而是用来CMakeList.txt文件生成makefile的。并且cmake 后面要有.. ,build文件夹下什么都没有,光cmake当然不行。..用来指出 CMakeList.txt 所在的位置

5.在bulid目录下执行tree命令,可看到一个makefile文件, makefile关系到了整个工程的编译规则。。接下来我们就需要去执行这个makefile文件,在bulid下用命令make即可。此时ls后可以看到有一个mytest的可执行文件。

6.最后执行这个mytest文件即可。

./mytest

细节补充(高手忽略):
1.gedit 文件名--------用来创建文件并编写
2.touch 文件名 -------创建文件
3.mkdir 文件夹名字 ---------创建文件夹
4.这个文件夹的名字叫CMakeLists.txt,注意复数和大小写
5.CMakeLists.txt中的命令大小写随意。
6. ./文件名 命令可以直接运行该目录下的文件
7.注意:CMakeList.txt 文件中,命令名字是不区分大小写的,而参数和变量是大小写相关的。
三.分析CmakeLists.txt文件

1.cmake是通过解析CMakeLists.txt脚本来生成项目需要的编译文件的。它可以生成多种不同类型的编译文件如makeflie、ninja等;

2.CMakeLists.txt的编写依赖大量cmake提供的函数或者宏,如PROJECT、SET等,只要掌握了这些宏的含义,就可以读懂CMakeLists.txt,从而了解工程的结构。

3.cmake中常用的函数或宏

这些都是cmake提供好的,可以直接在CMakeLists.txt中使用,他们看起来就像是C语言的宏或者函数

PROJECT(工程名字)

这条指令会自动创建两个变量:

project name>_BINARY_DIR(二进制文件保存路径) project name>_SOURCE_DIR(源代码路径)

Cmake 系统也帮助我们预定义了 PROJECT_BINARY_DIR和PROJECT_SOURCE_DIR其值与上述对应相等

set(变量名 变量值)
SET(VAR [VALUE] [CACHE TYPEDOCSTRING [FORCE]])
SET(SRC_LIST main.c t1.c t2.c):即SPC_LIST代表main.c t1.c t2.c
SET(SRC_LIST main.c):同上

include

用法:include(file or module)
例如:include(test.cmake)
说明:与c语言的include类似

include_directories

用法:include_directories(dir1 dir2 ……)
例如:include_directories(“…/my/include” “…/my/include2”)
说明:用于在现有头文件搜索路径后面增加搜索路径

target_link_libraries

用法:target_link_libraries( target lib1 lib2 ……)
例如:target_linke_libraries(test libmy.so)
说明:target参数一般是add_excutable中指定的程序名

PROJECT_SOURCE_DIR

说明:这是cmake预定义号的一个宏,表示工程的根目录,可以直接使用(即源代码路径)

link_directories

说明:增加动态链接库的搜索路径,需要注意的是必须使用绝对路径。(相对路径其实也有办法用,但需要更多的配置,麻烦)

find_package

说明:当无法定位库的具体位置时,可以使用此命令进行查询。利用命令:cmake –help-module-list 和 cmake –help-module 来获取帮助信息。
例如:find_package(GTK2)

ADD_EXECUTABLE(生成的可执行文件名 生成该可执行文件的源文件)
ADD_EXECUTABLE(hello S R C L I S T ) : 通 过 {SRC_LIST}):通过 SRCLIST):{SRC_LIST}生成hello的可执行文件

MESSAGE(消息类型 消息内容)
MESSAGE([SEND_ERROR | STATUS| FATAL_ERROR] “message to display”)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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