文章目录一、前言二、使用NDK进行编译的相关代码四、使用交叉工具链进行编译五、参考链接一、前言注意:本教程没有关于JNI接口的写法，只是把C代码编译成适合android平台的so库，想查看完整代码可以参考文末的第9条参考链接目前Android编译.so的话使用AndroidStudio比较简单，但是有时候时候AndroidStudio的话还需要创建一个Android的项目，这里记录下脱离AndroidStudio单纯使用Cmake和C++开发工具Clion(或者其他的开发工具也行,这些开发工具和AndroidStudio不一样，哪一种工具都行)。实际上编译.so还有比较简单的方式。比如直接在l

我的项目在Xcode中构建时编译良好，但当我尝试使用xcodebuild构建它时失败，输出的最后一行是:===BUILDNATIVETARGETXXXOFPROJECTYYYWITHCONFIGURATIONDebug===CheckdependenciesNoarchitecturestocompilefor(ONLY_ACTIVE_ARCH=YES,activearch=x86_64,VALID_ARCHS=armv7armv7s).由于最后一行提到了架构，我检查了build设置中的架构部分并将其设置为标准(armv7、armv7s)。我的罪魁祸首是activearch=x86_6

现在我知道这个问题经常弹出，但是因为我还没有找到满意的答案，所以我要在这里再问一次:我想使用cmake为cocos2d-x设置一个跨平台项目。我的Intent是在我的CMakeLists.txt文件中进行一般设置，并能够同时将此设置用于Windows和Mac开发，这样我就可以轻松地在WindowsPhone、Android上测试我们的进度,iOS(iPad),黑莓等当我对我的VisualStudio解决方案应用更改时，我不想每次需要在iPad上部署游戏时都将文件拖放到XCode，反之亦然(当同事对XCode项目进行更改时).现在我找到了ios-cmake项目here和android-c

一.基本概念1.1nvidia独立显卡独立显卡是指以独立板卡形式存在，可在具备显卡接口的主板上自由插拔的显卡。独立显卡具备单独的显存，不占用系统内存，而且技术上领先于集成显卡，能够提供更好的显示效果和运行性能。显卡作为电脑主机里的一个重要组成部分，对于喜欢玩游戏和从事专业图形设计的人来说显得非常重要。以前民用显卡图形芯片供应商主要包括ATI和NVIDIA两家。ubuntu需要自己安装nvidia驱动才能使用nvidia，安装nvidia驱动程序，可以让系统正确识别nVIDIA的图形显示卡,，进行2D/3D渲染，发挥显示卡应有的效能。1.2CUDA        CUDA（ComputeUnif

总结视频来源：https://www.youtube.com/watch?v=1buFrKUaqwM总结视频来源作者：AI葵3D高斯分布投影到图像上，每个像素投影到该像素上的高斯数不同，因此不能用pytorch并行化处理一、前向传播前向传播计算投影出来圆圈的半径计算圆圈覆盖的像素数（把画面分成了很多个方块，记录圆与哪些方块相连）计算每个高斯的前后顺序（alpha合成）计算每个像素的颜色1.preprocessCUDAdiff-gaussian-rasterization/cuda_rasterizer/forward.cu预处理CUDApreprocessCUDA函数用于解决第一个和第二个问题

前言：网上好多同学发的都是单目录（一个文件夹下），多个cpp文件的联合编译。对于多文件夹，多目录，多个CPP文件的编译可查询的资料查起来不是很容易。现在来总结一下：一、单文件夹（即单目录）下的多.cpp使用coderunner运行代码的方式。       其他博文有介绍，基本是一个main.cpphelloworld.cpp在一个文件夹下的介绍。说明：单文件夹下的多个cpp的联合编译网上很多都是使用coderunner插件中的settings.json，修改g++后的参数为：*.cpp。coderunner插件视乎只能完成到这这步，多目录，多文件夹的联合运行代码我尝试了始终不行。其实该插件只是

一、前言及Github源码下载        《OpenGL超级宝典》第七版是一本关于OpenGL及3D图形编程的经典入门指南，由美国的格雷厄姆·塞勒斯、小理查德·赖特和尼古拉斯·海梅尔合著，人民邮电出版社出版，被称为"OpenGL蓝宝书"，与《OpenGL编程指南》红宝书相对应，全书内容分为三大部分：第一部分包括第一章到第四章，主要介绍OpenGL的基础知识，如图形管线的概念，我们的第一个OpenGL程序，3D图形中的数学知识等。第二部分重点介绍OpenGL的一些高级功能，如顶点处理与绘图命令、基元处理片段处理与帧缓冲等。第三部分则涵盖了如何使用OpenGL进行编程所需要的主要知识，以及如何

本文用来记录windows系统上深度学习的环境搭建，目录如下一、安装显卡驱动首先为装有NVIDIAgpu的电脑安装显卡驱动，如果安装过了，或者想使用cpu的，可以跳过这一步。（其实这一步可以跳过，因为显卡驱动好想和深度学习环境没什么关系，保险起见还是安装上吧）1.去官网下载对应的显卡驱动：官方驱动|NVIDIA   2.完成下载，选择文件开始安装，直接解压在默认地址3.选择自定义安装选项，执行清洁安装（按情况选择）4.一直点下一步即可。二、安装VisualStudio可以跳过，但是很多深度学习环境需要用到，建议安装1.官网下载VisualStudioTools-免费安装Windows、Mac、

安装CUDA时需要和Torch版本对应起来，最好先去torch官网上确定要安装的torch版本对应的CUDA版本。在安装CUDA之前需要先确定是否已经安装驱动，打开终端输入nvidia-smi，若有输出，则表明驱动安装过，否则需要先安装驱动（驱动安装教程）一、CUDA11.1安装1、CUDA11.1下载先去CUDA官网上下载要安装的版本（CUDA11.1下载链接），依次选择Linux——》x86_64——》Ubuntu——》20.04——》runfile（local），根据自己的电脑配置选择即可打开终端，先复制第一条语句到终端下载CUDAwgethttps://developer.downlo

一、关于C++中的开源日志库spdlogJava中有很多日志库：java.util.logging、Log4j、Logback、Log4j2、slf4j、common-logging。C++的日志库相对来说就比较少了，比如说glog、log4cpp、spdllog等，目前个人感觉比较好用的C++开源日志库当属于spdlog了，跨平台，支持cmake编译，在维护中。具体可以参考github上面的示例：https://github.com/gabime/spdlog另外spdlog支持两种使用方式：一种是将源代码目录下的include头文件直接添加到自己的项目中使用；另一种使用cmake编译构建出