Neuron 是一款开源的轻量级工业协议网关软件，支持数十种工业协议的一站式设备连接、数据接入、MQTT 协议转换，为工业设备赋予工业 4.0 时代关键的物联网连接能力。
之前分享过一篇关于 cmake 的入门文章：《使用 cmake 来搭建跨平台的应用程序框架：C语言版本》，那篇文章重点是描述如何利用 cmake 来编译或者构建跨平台的工程，并没有涉及到团队协作开发方面的内容。
如果你有定义himix200的工具链文件也可以使用CMAKE_TOOLCHAIN_FILE指定工具链文件来完成交叉编译 参见 https://gitee.com/l0km/faceapi/blob/master/faceapi-rpc-cpp/dependencies/cmake/arm-himix200-linux.toolchain.cmake
在上一篇博客《conan入门(四):conan 引用第三方库示例》中我们以cJSON为例说明了如何在项目中引用一个conan 包。那是比较简单的一种编译本机目标代码的应用场景(编译环境是Windows,目标代码也是Windows平台)。在物联应用的大背景下，C/C++开发中跨平台交叉编译的应用是非常广泛的。在使用conan来管理C/C++包(制品库)的环境下，如何实现对交叉编译的支持呢？因为我的工作涉及不少嵌入式平台的开发，conan对交叉编译的支持是我最关心的部分。
Android Studio 2.2 及以后的版本默认使用CMake进行 NDK 编译, 其中最吸引人的地方是，在开发NDK程序时可以进行联机调试，这真是大在的方便了开发者开发NDK程序的效率了。 那么使用CMake编译NDK程序是否与我们之前介绍的使用ndk-build编译有很大的不同呢？下面我们就来一窥它的原理。
curl是一个成熟的HTTP client库，可以使用cmake在命令行完成交叉编译。
最近在学习 Linux 下的 C+ 开发的编译知识，总结出该系列笔记，这是第五篇，可以通过以下链接阅读之前的笔记：
一直以来，我都维护了完整的 GCC 工具链构建工具 和 LLVM,Clang,libc++,libc++abi工具链构建工具 。 一方面是为了测试和体验新版本编译器的功能和利用一些更现代化的工具检查代码中的风险，另一方面也是为了给我得很多开源仓库做多版本适配。 其中所有的编译期依赖项（不包括 tar,awk等可执行程序的工具）都是自己构建的，这样也能管理好某些新版本组件需要的新版本依赖项，并且做到跨发行版兼容。同时很多发行版自带的 LLVM+Clang 套件都缺斤少两，有的缺少 clang-analyzer ，有的缺少 clang-format ，也有的缺少 libc++ 和 libc++abi 或者缺少sanitizer组件。我也是根据自己的需要编译并输出了大多数开发工具，甚至还有一些开发库以便二次开发（比如用libclang写工具来复用libcang的AST功能）。
使用apt-get工具安装的cmake版本是3.5.0的，版本比较低，在这里需要安装高版本的cmake工具，因此直接在cmake官网下载最新的工具(https://cmake.org/download/)。
Cmake是跨平台构编译大型项目的工具，配合make工具和编译器我们理论上我们可以编译任何工程。具体的介绍就不多说了，不论是OpenCV还是Pytorch都是用cmake作为构建工具，当然还有很多很多工程项目使用它，这里不进行详细的介绍。
本文关键字：windows host targetting at linux,Compile for linux on windows using mingw64,Cross-compiling on Windows for Linux
今天在Windows平台如下正常执行conan NDK交叉编译Boost库时报了个错
上期makefile终极奥义反响不错，有粉丝提出有没有cmake终极奥义，那么她来了。已构建项目，地址为:
内部构建会产生很多中间文件，这些文件并不是我们最终想要的，和工程源代码文件放在一起会显得杂乱无章。
本文介绍了如何将OpenCV库移植到ARM平台上，包括编译工具链、依赖库、配置方法以及运行时注意事项。
实际项目中写的应用层代码为了保证可靠性，需要编写一定的测试用例，进行单元测试。 这里以GoogleTest为例 ，在嵌入式平台上(Amlogic A113x 平台)实现应用层代码的测试。
本文对OpenBLAS进行配置和编译，并总结介绍了如何将OpenBLAS库集成到Caffe中。
CMake 是什么我就不用再多说什么了，相信大家都有接触才会看一篇文章。对于不太熟悉的开发人员可以把这篇文章当个查找手册。
作者：玟清 链接：https://www.zhihu.com/question/27455963/answer/36722992 来源：知乎 著作权归作者所有，转载请联系作者获得授权。
版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/83106740
yml文件和yaml文件是目前比较常用的配置文件，Java中的SpringBoot的application.yml配置使用的就是这种格式，另外诸如nodejs和g欧登语法对于yaml文件都有很好的支持。 yaml-cpp是一个yaml配置文件的C++解析库，其下载地址为：https://github.com/jbeder/yaml-cpp 在Windows10中使用VS2017编译yaml-cpp库前，需要去Github上面下载对应的yaml-cpp源代码。目前的yaml-cpp最新版本是yaml-cpp-0.6.0。如下图所示：
如果需要配置和检查我们工程中的所有依赖，那么可以选用CMake工具；但是，这并不是必须的，因为我们可以使用其他的工具或者是IDE(比如Makefiles或者Visual Studio)来配置我们的工程。然而，CMake是最好移植的方式来配置多平台的C++项目。
大家好，我是道哥，今天我为大伙儿解说的技术知识点是：【使用 cmake 来构建跨平台的动态库和应用程序】。
大家好，又见面了，我是你们的朋友全栈君。 JRTPLib的编译步骤 JRTPLib是RTP协议的开源版库，下面讲述在VS2008上面的编译步骤 JRTPLIB开源库包括两个jthread.l
1、linux 64位系统可以运行32位linux程序。需要在linux64位系统新增一些设置:
首先说明的是本篇文章不从cmake的整个语法上去讲述，而是从一个实际项目的构建上入手，去了解如何优雅的去构建一个软件项目，搭建一个C/C++软件项目基本的依赖组件，最后形成一个构建C/C++软件项目的模板，方便后面新项目的重复使用。相信对我们日常的软件项目构建都会有很好的收获。废话不都说，开始。
本着尽可能快完成编译和能用则用的原则, 谈谈编译目前最新的OpenCV 4.5.2编译过程.
项目最近有需求在windows下面运行，我花了几周时间将linux的服务器移植到windows下面，目前已经能够正常运行服务器，目前又有了新需求，两边的代码结构和组织是分开的，因此为了两边能够同步维护，需要一个能够跨平台的项目编译解决方案，经过调研之后，选择了使用cmake这个工具，本文主要讲述，使用cmake的生产项目的一些基础知识。
CMake 详细说明参考官方文档 https://cmake.org/cmake/help/latest/index.html，其中latest为最新版本版本，不同 CMake 版本，API 有差异，请根据当前项目设置的最低版本来参考，高版本 API 在低版本无法使用。3.20之后的文档会标记该 API 的生效版本
在NDK下编译thrift C++库，先要要编译android版的boost,这个不是本文讨论的内容，关于编译android 版本的boost,参见这个开源项目 Boost-for-Android,很好用。
对于习惯了 Visual Studio 强大的管理项目、编码和调试功能的读者来说，在 Linux 下使用 gcc/g++ 编译、使用 gdb 调试是一件何其痛苦的事情，对于大多数的开源 C/C++ 项目，如果我们不在意 Windows 和 Linux 在一些底层 API 接口上的使用差别，想熟悉该项目的执行脉络和原理，在 Windows 上使用 Visual Studio 调试该项目也未尝不可。凡是可以使用 CMake 工具编译的 Linux 程序（即提供了 CMakeLists.txt 文件），我们同样也可以利用 CMake 工具生成 Windows 上的 Visual Studio 工程文件。
编译链接时 , 将整个库文件打包到可执行文件中 , 造成可执行文件较大 , 但运行时不需要库文件 ;
上一篇博客《conan入门(十六):profile template功能实现不同平台下profile的统一》以Android NDK交叉编译为例介绍了jinja模板在conan profile中的应用。如果针对不同的Android目标平台(armv7,armv8,x86,x86_64)都要维护一个profile也是挺麻烦的。本文在此基础上，更进一步改进将android NDK 对不同平台armv7,armv8,x86,x86_64交叉编译的profile基本于同一个模板统一实现
它的语法简洁易上手，对新手友好，即使完全不会 lua 也能够快速入门，并且完全无任何依赖，轻量，跨平台。
我们有时候写一些基础性类库或者实验新功能的时候，常常需要使用到最新版本的GCC和Clang。一些Linux发行版的源里和一些工具链（比如MSYS2）里其实自带LLVM套件的包，LLVM 官网也提供一些常见平台的预编译包下载。 那为什么我们还要自己编译呢？如果有注意到的小伙伴可能会发现，很多平台的源和 LLVM 官网 里下载的预编译包，其实是缺失很多组件的。有些没有libc++和libc++abi（CentOS 8），有些没有Sanitizer相关的组件，有些缺失其他的组件。而Clang虽然支持GCC的libstdc++，但是一方面我们写基础性类库还是要优先考虑原生STL库的兼容性，另一方面Clang对libstdc++的支持也不是太好，特别是有些第三方库在这个组合下也是没有适配得很好，同时gdb和libc++的搭配有时候也不是很完善。 所以我们就需要一个组件尽可能开完整地包含LLVM，Clang,libc++,libc++abi还有其他周边工具（各类Sanitizer，clang-tiny,clang-analyzer等等）的工具链。
有的时候系统安装的OpenCV版本和你需要的版本不一样，而你又没有权限或者为了兼容不能修改系统的OpenCV，这个时候你就得自己编译OpenCV，然后在需要的代码里面引用你编译的版本。整个过程不复杂，但是之前一直没搞清楚，最近经师弟点拨才明白，这里记录一下。 我之前写过一篇在Linux下编译OpenCV的博客，大家可以参考下，我这里只记录与其中不同的部分。
今天在ubuntu16下使用NDK(r19)编译thrift c++库时报了很多类似如下的错误：
该文章介绍了如何利用C++编写一个简单的CNN，用于图像分类。主要包括了网络架构、数据集准备、模型训练和测试等方面。同时，文章也提到了在遇到某些问题时，如何通过调整代码解决。最后，作者通过一个完整的静态编译脚本，使得CNN可以运行在Linux系统上。
最近有个科研课题需要在树莓派上做一系列验证，但是实验的程序是依赖OpenCV库的(最重要我们修改了库源码)，而在树莓派上编译OpenCV源码很费时间，因此我只好使用交叉编译的方法来编译源程序。刚开始我们觉着网上材料大片，这部分的问题应该不大。可到操刀干活的时候，我才发现网上很多方法不仅繁琐，而且有的甚至还不是那么一回事，没看到一篇完全适合我的情况的。于是，我花了一天半左右的时间，整理这些材料并结合一点TRIZ原理，完成了这项任务。现在分享一下我的方案总结，不过我的方案不尽完善，欢迎大家指点修正，帮助后人节省时间。
OpenCV是一个跨平台的计算机视觉库，可以运行在Windows、Linux、MacOS等操作系统上。OpenCV提供了众多语言的接口，其中就包含了Python，Python是一门上手容易、使用起来十分让人愉悦的语言，利用Python学习OpenCV，相信能更快的获得效果。
cJSON是基于ANSI C的跨平台JSON解析开源库,支持cmake跨平台编译. 使用cmake也不复杂,以gcc编译为例以下是编译过程。
前些天在学习在 .NET Core下，跨平台使用串口通讯，有一篇文章说到在Linux/物联网下，实现通讯。
QBDI全名为QuarkslaB Dynamicbinary Instrumentation，它是一个模块化的跨平台以及跨架构的DBI框架。该工具目前支持Linux、macOS、Android、iOS和Windows操作系统，支持的架构有x86、x86-64、ARM和AArch64架构。QBDI的模块化特征意味着它不需要包含任何首选的注入方法，并且可以结合外部注入工具一起使用。QBDI包含了一个基于LD_PRELOAD的小型Linux以及一个动态可执行的macOS注入器（QBDIPreload），它们是QBDI的Python绑定基础，即pyQBDI。QBDI还整合了Frida，一个动态指令工具集。
sudo apt-get install Python-dev python-numpy
cmake 是一个跨平台、开源的构建系统。它是一个集软件构建、测试、打包于一身的软件。它使用与平台和编译器独立的配置文件来对软件编译过程进行控制。
OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的IPP进行加速处理。
CMake的全称是Cross-platform Make。我第一次参与Linux C++开发时使用的工具是Make，而后开始切换到CMake，一开始以为CMake是和C语言有关，原来开头的C表示它可以跨平台。
这篇博客介绍在Linux中的gcc和g++编译环境下如何使用cmake来编译OpenCV源代码。我基本是按照OpenCV官方的说明文档，一步步地进行的，所以表述不清楚的地方还请参照原文。
1 . 编译 FFMPEG 函数库 : 【Android FFMPEG 开发】FFMPEG 交叉编译配置 ( 下载 | 配置脚本 | 输出路径 | 函数库配置 | 程序配置 | 组件配置 | 编码解码配置 | 交叉编译配置 | 最终脚本 )
为了学习使用Faster R-CNN,需要安装OpenCV +Python环境，之前已经在CentOS下安装好了python2.7。yum安装的opencv是2.0版本,安装了opencv-python，但python中import cv2仍会报错，无法满足需要。所以决定用编译方式安装opencv。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
