在ubuntu18.04上编译C++版本jsoncpp/opencv/onnxruntime且如何配置CMakelist把他们用起来~-Toy模板网

这篇具有很好参考价值的文章主要介绍了在ubuntu18.04上编译C++版本jsoncpp/opencv/onnxruntime且如何配置CMakelist把他们用起来~。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

这篇文章背景是笔者在ubuntu上编译C++代码，依赖一些包，然后需要编译并配置到CMakelist做的笔记。主要也是一直不太懂CMakellist，做个笔记以防忘记，也给读者提供一站式的参考，可能您需要的不是这几个包，但大同小异，再带上cmakelist加持，最后提供可视化远程调试教程，可以把C++玩的飞起。这篇文章将有以下内容：

安装编译一系列工具；

编译opencv；

编译jsoncpp；

编译onnxruntime；

如何在CMakelist中配置；

Clion远程调试服务器的C++代码；

一、安装编译一系列工具

1.1 安装g++、gcc

sudo apt install -y gcc
sudo apt install -y g++
sudo apt install -y make
sudo apt install -y wget unzip

1.2 安装cmake

参考：

(软链接) https://blog.csdn.net/KIK9973/article/details/118796510

(编译) https://www.cnblogs.com/yanqingyang/p/12731855.html

基本按照参考中的一、下载Binary版(下载即用)操作，不过有些细节要注意，我总结在下面，然后特别注意版本，apt install cmake默认安装的3.10，如果对cmake版本没要求的直接命令安装就可以。这里需要安装时因为编译onnxruntime的时候会要求cmake版本，笔者这里安装的版本是3.26.4，这里我也总结下步骤。

1.2.1 官网下载cmake包

官网
https://cmake.org/download/
然后这个链接进去是新的，跳转到github下载历史版本：
https://github.com/Kitware/CMake/releases?page=2
命名规则一样，举例：

1.2.2 加软链接

ln -sf /path/to/cmake-3.XX.X-linux-x86_64/bin/* /usr/bin/

这边的的链接到的路径跟原贴有区别，默认应该是/usr/bin

1.2.3 验证

cmake --version
ctest --version

看到版本信息即可：
在ubuntu18.04上编译C++版本jsoncpp/opencv/onnxruntime且如何配置CMakelist把他们用起来~,深度学习,工程技术,c++,opencv,cmakelist,ubuntu,onnxruntime,cuda

二、编译opencv

参考：https://zhuanlan.zhihu.com/p/473488905

参考链接中的2~4步，当然第一步的依赖包还需要安装一下。然后基本上也没有什么问题。

三、编译jsoncpp

参考：https://blog.csdn.net/lu_linux/article/details/129851534

这个是比较简单的，按照参考中的jsoncpp编译：即可。

四、编译onnxruntime

参考：
https://blog.csdn.net/KIK9973/article/details/118796510
https://blog.csdn.net/jizhidexiaoming/article/details/116268564

4.1 安装步骤

这个可以直接看我总结，坑还挺多的，咱们一步一步来。

拉取代码

先去github拉取源码：

git clone https://github.com/microsoft/onnxruntime.git

再去拉取子项目

git submodule update --init --recursive

检查是否还有子项目需要拉取

git submodule update --init --recursive

编译onnxruntime

cuda版本：

cd /path/to/onnxruntime
./build.sh --config Release --build_shared_lib --parallel --use_cuda --cuda_home /usr/local/cuda  --cudnn_home /usr/local/cuda --allow_running_as_root --skip_tests

正常版：

cd /path/to/onnxruntime
./build.sh --config Release --build_shared_lib --parallel --allow_running_as_root --skip_tests

修改到没报错，然后再install一下：

cd ./build/Linux/release
make install

4.2 报错(keng)的总结

不得不说编译onnxruntime还是遇到不少坑的。

cc1plus: fatal error: cuda_runtime.h: No such file or directory
这个问题就是cuda没有装好，这里建议cuda删掉重新装，安装的版本可以用笔者这边的CUDA 11.4.3和cuDNN 8.2.4，安装教程参考cuda安装教程；
cmake版本过低的报错。
按照之前的方法装较新版本的cmake就可以了，具体的版本可以查看报错信息。

五、配置CMakelist

参考：
模板：https://github.com/ganleiboy/CMakeTutorial/tree/master
讲解：https://blog.csdn.net/qq_38410730/article/details/102477162

真心感谢这两篇帖子，还是挺详细的。下面是我的总结和梳理。

5.1 动态库和静态库的区别

这里先要了解动态库和静态库的区别，以及Windows和Linux系统的命名差异。（取自ChatGPT）

动态库（Dynamic Link Library，DLL）和静态库（Static Library）是用于存储和重复使用代码的两种不同方法，它们有以下主要区别：

链接时机：
- 动态库：在编译时不会将库的代码复制到可执行文件中。相反，它们在运行时加载到内存中，并可以被多个应用程序共享。这使得可执行文件较小，并且库可以更新而不需要重新编译应用程序。
- 静态库：在编译时将库的代码复制到可执行文件中。这意味着可执行文件独立于库，但也导致可执行文件较大，并且库的更新需要重新编译应用程序。
文件扩展名：
- 动态库：通常具有 .dll（在Windows系统上）或 .so（在Linux/Unix系统上）的文件扩展名。
- 静态库：通常具有 .lib（在Windows系统上）或 .a（在Linux/Unix系统上）的文件扩展名。
内存占用：
- 动态库：多个应用程序可以共享同一个库的一个实例，因此动态库可能会在内存中存在多个副本，但通常较小。
- 静态库：每个应用程序都包含库的一个副本，因此每个应用程序都会占用额外的内存，但库只有一个副本。
部署和维护：
- 动态库：库的更新通常只需要替换库文件，不需要重新编译应用程序。这使得更新和维护库相对容易。
- 静态库：库的更新需要重新编译和重新部署应用程序，因为库的代码已经静态链接到应用程序中。
加载时间：
- 动态库：由于动态库在运行时加载，因此应用程序的启动速度可能较慢。
- 静态库：由于静态库在编译时已经链接到应用程序中，因此应用程序的启动速度可能较快。

选择使用动态库还是静态库取决于项目的需求和约束。通常，动态库更适合于库的共享和更新，而静态库更适合于独立性和性能优化。在某些情况下，也可以同时使用两者，以充分利用它们的优势。

5.2 CMakelist示例

写CMakelist之前，最好把源文件放在一个地方比如src下，头文件放在一个地方比如include下，如果还有子文件夹，这个就还要自己研究下，我这边是用的简单场景，现在把我写的CMakelist放在下面作为举例，附带加上文字解释：

# 声明cmake的最低支持版本
cmake_minimum_required(VERSION 3.0)

# 编译出来的文件名称，这里可以随便取，建议跟项目相关
project(YourProjectName)

# 设置C++标准
set(CMAKE_CXX_STANDARD 11)

# 设置模式 Debug 或者 Release
set(CMAKE_BUILD_TYPE "Debug")

# 以下可以理解为变量赋值 大概为：set(变量 路径)
# 路径的依据就是如果是头文件，那么路径可以到代码中的#include"json/json.h"
# 如果是库文件，lib，那么路径直接到lib的文件夹
# ${PROJECT_SOURCE_DIR} 即为项目所在的路径
set(JSON_DIR ${PROJECT_SOURCE_DIR}/include)
set(JSON_LIB_DIR /usr/local/lib/x86_64-linux-gnu/)
set(ONNX_DIR ${PROJECT_SOURCE_DIR}/include/onnx)
set(HOME_LIB_DIR /usr/local/lib/)
set(OpenCV_INCLUDE_DIRS /usr/local/include/opencv4)

# 打印变量
message("JSON_DIR 的值是: ${JSON_DIR}")
message("ONNX_DIR 的值是: ${ONNX_DIR}")
message("JSON_LIB_DIR 的值是: ${JSON_LIB_DIR}")
message("HOME_LIB_DIR 的值是: ${HOME_LIB_DIR}")
message("OpenCV_INCLUDE_DIRS 的值是: ${OpenCV_INCLUDE_DIRS}")

# 批量替代
file(GLOB SOURCE_FILES "src/*.cpp")
file(GLOB SOURCE_INCLUDE_DIR "include/")

# 将.cpp/.c/.cc文件生成可执行文件
add_executable(${PROJECT_NAME} ${SOURCE_FILES})

# 规定.h头文件路径
include_directories(${SOURCE_INCLUDE_DIR} ${ONNX_DIR}
        ${OpenCV_INCLUDE_DIRS} ${jsoncpp_INCLUDE_DIRS} ${JSON_DIR})

# 规定.so/.a库文件路径
link_directories(${HOME_LIB_DIR} ${JSON_LIB_DIR})

# 这里要把链接的库名附上 后面一系列如libonnxruntime.so只要写onnxruntime
target_link_libraries(${PROJECT_NAME} onnxruntime jsoncpp onnxruntime_providers_cuda
        opencv_core opencv_highgui opencv_imgproc opencv_dnn opencv_imgcodecs)

六、Clion远程调试服务器的C++代码

笔者找了好久，看网上很少有这个资料，或者不愿写又或者不多人用Clion来写C++，不过对于不太写C++的人来说，界面化调试真的很友好，然后但是Clion远程调试没接触的话，又不是那么好上手，笔者这里总结一下，一来备忘，二来能帮到朋友更好~

前言

Clion中调试C++重点还是CMakelist也就是上一小结，如果以前的玩家玩VS的话，这里说的Visual Stdio（不是VS对战平台哈，bushi），然后会发现有很多对应的关系，其实关键的就3个东西，一个include、一个lib、一个附加依赖项，分别对应CMakelist的include_directories、link_directories、target_link_libraries，是不是还是很容易的。

正儿八经配置

先进入设置
在ubuntu18.04上编译C++版本jsoncpp/opencv/onnxruntime且如何配置CMakelist把他们用起来~,深度学习,工程技术,c++,opencv,cmakelist,ubuntu,onnxruntime,cuda
然后远程连接，先把服务器设置好，不会的话参照这篇，设置服务器跟pycharm远程时的服务器设置是一样的。

接着配置C++环境，他会自动检测，有什么问题按提示在服务器安装即可。
在ubuntu18.04上编译C++版本jsoncpp/opencv/onnxruntime且如何配置CMakelist把他们用起来~,深度学习,工程技术,c++,opencv,cmakelist,ubuntu,onnxruntime,cuda

之后在Clion上编译

编译之后会在项目目录下生成cmake-build-debug文件夹，这个文件夹就是远程调试的一个桥梁，并且这个文件夹下的目录也就是运行当前目录，生成的当前目录什么文件都会在这个目录下，要到项目目录需要..到上一级目录。
再次编译，按截图下方的Rebuild Project即可。
之后在右上角直接运行即可。
如果遇到奇奇怪怪的问题，把项目目录下的cmake-build-debug删掉，再右键项目reload cmake即可。