99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

Cmake學習的總結(二)

電子設計 ? 來源:電子設計 ? 作者:電子設計 ? 2020-12-24 17:54 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

大家好,上次給大家分享了第一篇 cmake 文章:cmake學習總結(一),今天繼續(xù)給大家分享cmake。那么廢話就不多說,開始內容分享。

用好 Cmake,高興一整天(甚至……):

1、多個源文件,使用命令 aux_source_directory(dir var):

在上一篇文章最后結尾的時候,有一個問題,就是在同一目錄下面,有多個源文件的時候,這個時候你不能都往下面第三條命令里面一直手動添加源文件,那工作效率多低?。?/p>

cmake_minimum_required(VERSION 2.8)

project(main)

add_executable(main main.c test1.c)

于是乎為了解決這種低效率的操作,在 cmake 里面有一條指令可以完全搞定這個問題;不過為了說明問題,在這之前我又添加了兩個文件:test2.c 和 test2.h:

root@txp-virtual-machine:/home/txp/test# ls

1 cmake_install.cmake main.c test1.h touch1.c

CMakeCache.txt CMakeLists.txt Makefile test2.c touch1.h

CMakeFiles main test1.c test2.h

test2.c內容如下:

#include <stdio.h>

#include "test2.h"

void func1()

printf("i like the cmake");

test2.h內容如下:

#ifndef _TEST2_H_

#define _TEST2_H_

void func1();

#endif

最后main.c里面調用了func1函數(shù):

#include <stdio.h>

#include "test1.h"

#include "test2.h"

int main(void)

func1();

func(8);

printf("TXP嵌入式");

return 0;

接下來我們的重點就來了,在cmake里面可以使用aux_source_directory(dir var)就可以搞定上面效率低的問題,接下來我們在CMakeLists.txt這樣操作:

cmake_minimum_required(VERSION 2.8)

project(main)

aux_source_directory(. SRC_LIST)

add_executable(main ${SRC_LIST})

然后再進行編譯:

root@txp-virtual-machine:/home/txp/test# cmake .

-- Configuring done

-- Generating done

-- Build files have been written to: /home/txp/test

root@txp-virtual-machine:/home/txp/test# make

Scanning dependencies of target main

[ 25%] Building C object CMakeFiles/main.dir/main.c.o

[ 50%] Linking C executable main

root@txp-virtual-machine:/home/txp/test# ./main

i like the cmake

the b is 8

TXP嵌入式

審核編輯:符乾江
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 函數(shù)
    +關注

    關注

    3

    文章

    4381

    瀏覽量

    64853
  • 編譯
    +關注

    關注

    0

    文章

    679

    瀏覽量

    33982
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    相關協(xié)議信號總結

    電子發(fā)燒友網(wǎng)站提供《相關協(xié)議信號總結.xlsx》資料免費下載
    發(fā)表于 06-25 15:34 ?4次下載

    基于LockAI視覺識別模塊:C++維碼識別

    維碼識別是視覺模塊經(jīng)常使用到的功能之一。我們將演示如何使用基于瑞芯微RV1106的LockAI視覺識別模塊進行維碼識別。 源代碼網(wǎng)址:https://gitee.com/LockzhinerAI
    發(fā)表于 05-26 09:57

    永磁同步電機階迭代學習控制

    針對永磁同步電機存在的周期性脈動問題,提出了一種階 PD-型迭代學習控制策略,該算法能夠 有效實現(xiàn)最優(yōu)跟蹤控制 。利用卷積的推廣 Young 不等式,獲得了系統(tǒng)跟蹤誤差在 Lebesgue-p
    發(fā)表于 03-26 14:28

    使用STM32CubeMX生成CMake工程中的FLASH.ld被更改怎么解決?

    使用STM32CubeMX生成CMake工程之后,對STM32xxxx_FLASH.ld進行了修改。然后再次使用STM32CubeMX對工程進行修改的時候,STM32xxxx_FLASH.ld文件匯總被修改的部分會被恢復原狀。請問各位有沒有好的辦法能夠解決這個問題,煩請指教?。?!
    發(fā)表于 03-10 06:52

    在CubeMX V6.13.0版本上配置的CMake工程無法通過編譯怎么解決?

    在 CubeMX V6.13.0 版本上配置的 CMake 工程無法通過編譯,報錯如下圖
    發(fā)表于 03-07 16:59

    為什么無法在OpenVINO? 2021.3源中使用CMAKE編譯ONNX模型?

    嘗試從源版本 2021.3 編譯OpenVINO? 錯誤: ~/項目/OpenVINO/cmake-build-debug/_deps/ext_onnx-src/onnx/onnx_pb.h
    發(fā)表于 03-05 08:29

    TOF學習總結

    iToF(間接飛行時間)技術中,波長越短,分辨細節(jié)的能力越好,主要原因與光的波動特性和調制信號的特性密切相關。以下是詳細解釋:1. 光的波動特性:波長與分辨率的關系波長越短,空間分辨率越高:光的波長決定了其能夠分辨的最小細節(jié)。根據(jù)光學理論,分辨率與波長成反比,波長越短,能夠分辨的特征尺寸越小。例如,可見光的波長(400-700 nm)比紅外光(通常用于iToF,波長約850 nm)更短,因此可見光能夠分辨更細微的細節(jié)。衍射極限:光的衍
    發(fā)表于 02-25 17:49 ?0次下載

    如何優(yōu)化BP神經(jīng)網(wǎng)絡的學習

    訓練過程中發(fā)生震蕩,甚至無法收斂到最優(yōu)解;而過小的學習率則會使模型收斂速度緩慢,容易陷入局部最優(yōu)解。因此,正確設置和調整學習率對于訓練高效、準確的神經(jīng)網(wǎng)絡模型至關重要。 、學習率優(yōu)化
    的頭像 發(fā)表于 02-12 15:51 ?932次閱讀

    關于中斷知識學習總結筆記

    《關于中斷知識學習總結筆記》 一、中斷的核心概念 中斷是計算機運行過程中的一種重要機制,它能夠使計算機在執(zhí)行主程序時,暫停當前任務去響應特定的事件或請求,處理完成后再返回主程序繼續(xù)執(zhí)行。這就像是一個
    發(fā)表于 11-23 11:23

    一種基于深度學習維拉曼光譜算法

    近日,天津大學精密儀器與光電子工程學院的光子芯片實驗室提出了一種基于深度學習維拉曼光譜算法,成果以“Rapid and accurate bacteria identification
    的頭像 發(fā)表于 11-07 09:08 ?734次閱讀
    一種基于深度<b class='flag-5'>學習</b>的<b class='flag-5'>二</b>維拉曼光譜算法

    GPU深度學習應用案例

    能力,可以顯著提高圖像識別模型的訓練速度和準確性。例如,在人臉識別、自動駕駛等領域,GPU被廣泛應用于加速深度學習模型的訓練和推理過程。 、自然語言處理 自然語言處理(NLP)是深度學習的另一個重要應用領域。GPU可以加速NL
    的頭像 發(fā)表于 10-27 11:13 ?1353次閱讀

    《AI for Science:人工智能驅動科學創(chuàng)新》第章AI for Science的技術支撐學習心得

    for Science的技術支撐”的學習心得,可以從以下幾個方面進行歸納和總結: 1. 技術基礎的深入理解 在閱讀第章的過程中,我對于AI for Science所需的技術基礎有了更加深入的理解。這一章詳細闡述了
    發(fā)表于 10-14 09:16

    AM17x功耗總結

    電子發(fā)燒友網(wǎng)站提供《AM17x功耗總結.pdf》資料免費下載
    發(fā)表于 10-12 09:14 ?0次下載
    AM17x功耗<b class='flag-5'>總結</b>

    國產(chǎn)芯上運行TinyMaxi輕量級的神經(jīng)網(wǎng)絡推理庫-米爾基于芯馳D9國產(chǎn)商顯板

    是面向單片機的超輕量級的神經(jīng)網(wǎng)絡推理庫,即 TinyML 推理庫,可以讓你在任意單片機上運行輕量級深度學習模型~ 開源地址:https://github.com/sipeed/TinyMaix搭建
    發(fā)表于 08-09 18:26

    《圖說本源產(chǎn)品》系列之:量子計算全物理體系學習

    科技自立自強不能停留在論文中、匯報中和總結中,而是要一個一個產(chǎn)品制造出來。本源,擁有中國第一條超導量子計算機制造鏈。《圖說本源產(chǎn)品》以圖片形式,系列展示中國自主量子計算系列產(chǎn)品。產(chǎn)品簡介:本源量子
    的頭像 發(fā)表于 07-26 08:23 ?778次閱讀
    《圖說本源產(chǎn)品》系列之<b class='flag-5'>二</b>:量子計算全物理體系<b class='flag-5'>學習</b>機