lib文件

在JDK8中，rt.jar有64MB，tools.jar有17MB。 $ cd /Library/Java/JavaVirtualMachines/jdk1.8.0_231.jdk/Contents/Home $ ls COPYRIGHT LICENSE README.html bin include javafx-src.zip jre lib man release src.zip $ ls -lh ./jre/lib/rt.jar -rw-r--r-- 1 root wheel 64M 10 5 18:39 ./jre/lib/rt.jar $ ls -lh ./lib/tools.jar -rw-r--r-- 1 root wheel 17M 10 5 18:40 ./lib/tools.jar $ ls -lh lib/dt.jar -rw-r--r-- 1 root wheel 159K 10 5 18:40 lib/dt.jar JDK中的lib\tools.jar和JRE中的lib\rt.jar已从Java SE 9中删除。这些JAR中可用的类和资源现在以文件中的内部格式存储在lib目录的命名模块中。 可以使用称为jrt的新方案来从运行时映像检索这些类和资源。 依靠这些JAR位置的应用程序将不再工作。可参考: Java Platform, Standard

前言 Vue 项目开发过程中，经常用到插件，比如原生插件 vue-router 、 vuex ，还有 element-ui 提供的 notify 、 message 等等。这些插件让我们的开发变得更简单更高效。那么 Vue 插件是怎么开发的呢？如何自己开发一个 Vue 插件然后打包发布到npm？ 本文涉及技术点： Vue 插件的本质 Vue.extend() 全局方法 如何手动挂载 Vue 实例 Vue.use() 的原理 如何打包成 umd 格式 发布前如何测试 npm 包 一、定义 什么是Vue插件，它和Vue组件有什么区别？来看一下官网的解释： “插件通常用来为 Vue 添加全局功能。” “组件是可复用的 Vue 实例，且带有一个名字。” —— Vue.js 官网 Emmmm，似乎好像有种朦胧美。。。 我来尝试解释一下，其实， Vue 插件 和 Vue组件 只是在 Vue.js 中包装的两个概念而已，不管是插件还是组件，最终目的都是为了实现逻辑复用。它们的本质都是对代码逻辑的封装，只是封装方式不同而已。在必要时，组件也可以封装成插件，插件也可以改写成组件，就看实际哪种封装更方便使用了。 除此之外，插件是全局的，组件可以全局注册也可以局部注册。 我们今天只聚焦 Vue 插件。 插件一般有下面几种： 添加全局方法或者属性。如: vue-custom-element 添加全局资源

最近想用python学习一下OpenCV4库的使用，需要安装OpenCV4，因此想记录一下在anaconda3下安装的过程。 安装步骤（whl文件方法） 到 清华大学镜像中心 下载到想要的opencv whl文件（比在这个链接https://www.lfd.uci.edu/~gohlke/pythonlibs或官网上下载快很多） 下载时注意版本的选择，例如选择下载版本opencv_python-4.1.2.30-cp37-cp37m-win_amd64.whl，那么： 4.1.2.30是要下载的OpenCV版本，cp37表示python版本为3.7，win_amd64表示windows系统64位。 把下载的whl文件放到anaconda中lib下的site-packages里，如D:\Anaconda3\Lib\site-packages 用pip安装 win+R打开cmd，切换至刚才的目录下: C:\Users\Legion > D: D:\ > cd Anaconda3\Lib\site-packages D:\Anaconda3\Lib\site-packages > pip install opencv_python-4.1.2.30-cp37-cp37m-win_amd64.whl 用python测试安装是否成功 D:\Anaconda3\Lib\site

LightGBM介绍： GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。GBDT 在工业界应用广泛，通常被用于点击率预测，搜索排序等任务。GBDT 也是各种数据挖掘竞赛的致命武器，据统计 Kaggle 上的比赛有一半以上的冠军方案都是基于 GBDT。 ​ LightGBM （Light Gradient Boosting Machine）是一个实现 GBDT 算法的框架，支持高效率的并行训练，并且具有以下优点： 更快的训练速度 更低的内存消耗 更好的准确率 分布式支持，可以快速处理海量数据 如下图，在 Higgs 数据集上 LightGBM 比 XGBoost 快将近 10 倍，内存占用率大约为 XGBoost 的1/6，并且准确率也有提升 在MAC上实际pip安装过程中会出现下面错误 错误信息 import lightgbm File "/opt/venv3/lib/python3.7/site-packages/lightgbm/__init__.py", line 8, in <module> from .basic import Booster, Dataset File "/opt/venv3/lib

1. mysql 安装 http://blog.csdn.net/xxd851116/article/details/22947891 （自动安装） http://blog.csdn.net/bingjianit/article/details/54384299 （自动安装出现的问题） 准备： yum install lrzsz MySQL-client-5.6.29-1.linux_glibc2.5.x86_64.rpm MySQL-server-5.6.29-1.linux_glibc2.5.x86_64.rpm MySQL-devel-5.6.29-1.linux_glibc2.5.x86_64.rpm 查看当前安装的 mariadb 包 ： [root@bogon 桌面]# rpm -qa | grep mariadb 将它们统统强制性卸载掉：(有什么删什么，不一定是下面三个包) [root@bogon 桌面]# rpm -e --nodeps mariadb-libs-5.5.35-3.el7.x86_64 [root@bogon 桌面]# rpm -e --nodeps mariadb-5.5.35-3.el7.x86_64 [root@bogon 桌面]# rpm -e --nodeps mariadb-server-5.5.35-3.el7.x86_64

一、DLL的导出方法 1、使用_declspec(dllexport) 方法 DLL里全是C++的类的话，你无法在DEF里指定导出的函数，只能用__declspec(dllexport)导出类。 extern "C" _declspec(dllexport) int sum(int a,int b);//本文所有的例子只有一个sum即加法函数。 在制作DLL导出函数时由于C++存在函数重载，因此__declspec(dllexport) function(int,int) 在DLL会被decorate，例如被decorate成为 function_int_int，而且不同的编译器decorate的方法不同，造成了在用GetProcAddress取得function地址时的不便，使用extern "C"时，上述的decorate不会发生，因为C没有函数重载，但如此一来被extern"C"修饰的函数，就不具备重载能力，可以说extern 和 extern "C"不是一回事。 在VC++中，如果生成DLL可以不使用.def文件。只需要在VC++的函数定义前要加__declspec(dllexport)修饰就可以了。但是使用__declspec(dllexport)和使用.def文件是有区别的。如果DLL是提供给VC++用户使用的，只需要把编译DLL时产生的.lib提供给用户

在编译ROS下的ORB-SLAM2时，需要重新编译源文件 ./build_ros.sh 但在运行时出现下列问题： /usr/bin/ld: CMakeFiles/Stereo.dir/src/ros_stereo.cc.o: undefined reference to symbol '_ZN5boost6system15system_categoryEv' /usr/lib/x86_64-linux-gnu/libboost_system.so: 无法添加符号: DSO missing from command line collect2: error: ld returned 1 exit status CMakeFiles/Stereo.dir/build.make:182: recipe for target '../Stereo' failed make[2]: *** [../Stereo] Error 1 CMakeFiles/Makefile2:104: recipe for target 'CMakeFiles/Stereo.dir/all' failed make[1]: *** [CMakeFiles/Stereo.dir/all] Error 2 通过查阅资料，发现出错原因是libboost_system.so 与libboost_filesystem

编译内核出现以下错误： [root@localhost linux-2.6.32.2]# make zImage CHK include/linux/version.h make[1]: `include/asm-arm/mach-types.h' is up to date. CHK include/linux/utsrelease.h SYMLINK include/asm -> include/asm-arm CC kernel/bounds.s /opt/FriendlyARM/toolschain/4.4.3/libexec/gcc/arm-none-linux-gnueabi/4.4.3/cc1: /usr/lib/libstdc++.so.6: version `GLIBCXX_3.4.9' not found (required by /opt/FriendlyARM/toolschain/4.4.3/lib/libppl_c.so.2) /opt/FriendlyARM/toolschain/4.4.3/libexec/gcc/arm-none-linux-gnueabi/4.4.3/cc1: /usr/lib/libstdc++.so.6: version `GLIBCXX_3.4.9' not found (required by /opt

类似问题还有 'ImportError ../lib/libstdc++.so.6: version `CXXABI_1.3.7' not found (required by xxx)'、 'ImportError ../lib/libstdc++.so.6: version `CXXABI_1.3.9' not found (required by xxx)'等。 这种报错情况一般出现在Anaconda环境的Python程序中，原因是Anaconda对应目录下的“ libgomp.so.1 ”和“ libstdc++.so.6”动态库文件（lib）中相关模块的版本比较旧，不包含相应版本模块导致的 。 系统中动态库存放路径在 ： /usr/lib/x86_64-linux-gnu/ 或 /usr/lib/ anaconda中动态库存放路径是 ： ~/anaconda2/lib 查看Linux系统动态库文件包含的 模块版本： strings /usr/lib/libstdc++.so.6 | grep 'CXXABI' 或者 strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep 'CXXABI' 输出： CXXABI_1.3 CXXABI_1.3.1 CXXABI_1.3.2 CXXABI_1.3.3 CXXABI_1.3

.project是项目文件，项目的结构都在其中定义，比如lib的位置,src的位置,classes的位置 .classpath的位置定义了你这个项目在编译时所使用的$CLASSPATH 这些文件你用文本编辑器就能察看了 在一个项目中点刷新的目的是为了更新.project文件中的文件清单，让你把不通过eclipse提交到项目的文件显示出来 .classpath 文件 从数据上我们容易看出，上面描述了工程的依赖文件： 源文件的具体位置（kind="src"） 运行的系统环境（kind="con"） 工程的library的具体位置信息(kind="lib") 在每个lib的xml子节点中，有关于它的其它配置信息（例如我配置的那个"javadoc_location"） 项目的输出目录(kind="output") 总体上说这个文件就是配置整个工程的运行环境。 .project 文件 从数据上看，我们可以了解到这些配置主要是描述工程的基本信息： 工程名<name></name> 工程注释描述<comment></comment> 运行时需要的额外Eclipse插件<natures></natures>，及其具体加载方式信息<buildSpec></buildSpec> 如果你在开发过程中向工程里面加入了很多额外的插件，则必然会导致你的Eclipse启动速度变慢。在这种情况下