相关疑难解决方法(0)

可以使用哪些技术来加速C++编译时间？

这个问题出现在Stack Overflow问题C++编程风格的一些评论中,我很想知道它有什么想法.

我见过一个相关的问题,为什么C++编译需要这么长时间？,但这并没有提供很多解决方案.

这里投票有Visual Studio支持共享项目之间的预编译头

无论使用哪种构建工具,都能以某种方式实现并行构建吗？

在Unix下我们可以添加make -jN N是线程数,在Windows下我添加到CXX_FLAG "/MP" 哪个然后在Visual Studio中用于并行构建......？CMAKE_MAKE_PROGRAM当我运行CMake时,如何使我的版本不会总是扩展？

什么是一般解决方案？

我想出了这个:

# Add some multithreaded build support
MARK_AS_ADVANCED(MULTITHREADED_BUILD)
set(MULTITHREADED_BUILD 12 CACHE STRING "How many threads are used to build the project")
if(MULTITHREADED_BUILD)
    if(${CMAKE_GENERATOR} MATCHES "Unix Makefiles")
            message(STATUS ${CMAKE_BUILD_TOOL})
            set(CMAKE_MAKE_PROGRAM "${CMAKE_MAKE_PROGRAM} -j${MULTITHREADED_BUILD}")
            message(STATUS "Added arguments to CMAKE_BUILD_TOOL: ${CMAKE_MAKE_PROGRAM}")
    elseif(MSVC)
      set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /MP")
      message(STATUS "Added parallel build arguments to CMAKE_CXX_FLAGS: ${CMAKE_CXX_FLAGS}")
    endif()
endif()

我想从源代码将 opencv 安装到我的 conda 环境中。由于我使用的是 Jetson，因此没有可用于 opencv 的 pip 或 conda 包。

我使用此命令从源安装，

    -D BUILD_EXAMPLES=OFF
    -D BUILD_opencv_python2=ON
    -D BUILD_opencv_python3=ON
    -D CMAKE_BUILD_TYPE=RELEASE
    -D CMAKE_INSTALL_PREFIX=${PREFIX}
    -D CUDA_ARCH_BIN=5.3,6.2,7.2
    -D CUDA_ARCH_PTX=
    -D CUDA_FAST_MATH=ON
    -D CUDNN_VERSION='8.0'
    -D EIGEN_INCLUDE_PATH=/usr/include/eigen3 
    -D ENABLE_NEON=ON
    -D OPENCV_DNN_CUDA=ON
    -D OPENCV_ENABLE_NONFREE=ON
    -D OPENCV_EXTRA_MODULES_PATH=/tmp/build_opencv/opencv_contrib/modules
    -D OPENCV_GENERATE_PKGCONFIG=ON
    -D WITH_CUBLAS=ON
    -D WITH_CUDA=ON
    -D WITH_CUDNN=ON
    -D WITH_GSTREAMER=ON
    -D WITH_LIBV4L=ON
    -D WITH_OPENGL=ON"

如何将 python 依赖项安装到我的 conda 环境而不是将其安装到usr/local/python？

请遵循以下命令：

首先我这样做：

cmake -G Ninja ..

然后：

cmake --build . -j10

或者：

ninja -j10

它们之间有什么区别？它们之间有优点还是缺点吗？

这个相关问题展示了如何使用指定数量的核心构建 CMake 项目。例如，如果我想使用 10 个核心，我可以像这样调用 CMake：

cmake --build . -j 10

我的问题是：如何使用所有可用的核心进行构建。我实际上希望 CMake 自动检测我的核心数量并使用所有这些。