- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我注意到了 nmake.exe
将其推理规则搜索限制为一个丢失的文件。我发现网上没有提到这个问题。我错过了什么吗?
$ cat 生成文件
.后缀:.a .b .d .e
全部:abc.e
.a.b:
复制 $** $@
.b.d:
复制 $** $@
.d.e:
复制 $** $@
$ 触摸 abc.a
$nmake
NMAKE: fatal error U1073:不知道如何制作“abc.e”
停止。
$ nmake -n abc.a
'abc.a' 是最新的
$ nmake -n abc.b
复制 abc.a abc.b
$ nmake -n abc.d
NMAKE: fatal error U1073:不知道如何制作“abc.d”
停止。
这个相同的 Makefile 使用 GNU make 生成以下内容:
$ make -n
复制 abc* abc.b
复制 abc* abc.d
复制 abc* abc.e
rm abc.b abc.d
当然,$**
宏和copy
命令在 GNU make 中没有那么有用。 ;-)
你的版本nmake.exe
处理这个更好吗?有魔法开关吗?或者它真的像看起来那样 splinter ?
最佳答案
这里的问题是跟踪构建过程中的多步骤操作。您的源文件会产生某种中间文件,这些中间文件又会产生最终的构建输出。在糟糕的世界中,您可能会对源文件进行更改,然后您的最终二进制文件仍然可以从中间文件的陈旧版本构建。显然,那会很糟糕。
GNU make 采用一次对整个依赖树进行建模的方法,并一直跟踪修改后的文件直到输出。如果 make 是您使用的唯一构建工具,那就太好了。如果您有非常大的项目,这不会很好地工作,因此您需要按特定顺序制作它们。如果 'make' 不支持构建过程的某些工具,这将无法正常工作,因此无论如何您都需要多次运行 make。
nmake.exe 采取最简单的方法:一次只执行一次。它假定它将成为更大工具链的一部分。因此,如果您有多次通过依赖项,则需要多次通过 nmake。如果您的构建过程需要 3 次以上的传递,则您可能正在做一件坏事,您应该修复您的过程。对于大声喊叫,如果您需要多次通过,只需编写一个脚本即可。
关于nmake 推理规则仅限于深度为 1,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4808674/
现在,我正在使用 MALLET 包中的 LDA 主题建模工具对我的文档进行一些主题检测。最初一切都很好,我从中得到了 20 个主题。但是,当我尝试使用该模型推断新文档时,结果有点莫名其妙。 例如,我故
我正在使用 Jersey 在 Scala 中开发 REST web 服务JAX-RS 引用实现,我收到一个奇怪的错误。 我正在尝试创建一个 ContentDisposition对象使用 Content
以下两个用于计算斐波那契数列第 n 项的 Haskell 程序具有截然不同的性能特征: fib1 n = case n of 0 -> 1 1 -> 1 x -> (fib
所以在来自 another question 的评论中,我刚刚看到了这个计算字符串中 L 数量的例子: "hello".count('l'==) 而且够疯狂……它有效。 从完全扩展的版本开始,我们有:
我在 android 上运行训练有素的 yolov2 网络时遇到问题。我正在使用这个项目进行测试 https://github.com/szaza/android-yolo-v2 . 提供的网络工作正
我目前在我的 iOS 应用程序中使用 Tensorflow 的 Swift 版本。我的模型工作正常,但我无法将数据复制到第一个张量中,因此我可以使用神经网络来检测东西。 我咨询了the testsui
我有一个 SSD tflite 检测模型,正在台式计算机上使用 Python 运行。就目前而言,我的下面的脚本将单个图像作为推理的输入,并且运行良好: # Load TFLite model
我所拥有的:在 Tensorflow 中经过训练的递归神经网络。 我想要的:一个可以尽可能快地运行这个网络的移动应用程序(只有推理模式,没有训练)。 我相信有多种方法可以实现我的目标,但我希望您能提供
**我得到了一些让我的函数成为纯通用函数的建议,这可行,但我更愿意将函数限制为仅接受 Base 及其子项。 在创建可以接受可变模板类基类型参数的函数时遇到问题,而该函数实际上将使用从 Base 派生的
我想使用 TF 2.0 在我的 GPU 集群上运行分布式预测。我使用 MirroredStrategy 训练了一个用 Keras 制作的 CNN 并保存了它。我可以加载模型并在其上使用 .predic
实现一个 C++ 代码来加载一个已经训练好的模型然后获取它而不是使用 Python 真的值得吗? 我想知道这一点,因为据我所知,用于 python 的 Tensorflow 是幕后的 C++(对于 n
我将在网站上提供 pytorch 模型(resnet18)。 然而,在 cpu(amd3600) 中进行推理需要 70% 的 cpu 资源。 我不认为服务器(heroku)可以处理这个计算。 有什么方
为了充分利用 CPU/GPU,我运行了多个对不同数据集进行 DNN 推理(前馈)的进程。由于进程在前馈期间分配了 CUDA 内存,因此我收到了 CUDA 内存不足错误。为了缓解这种情况,我添加了 to
你知道用 1 个 GPU tensorflow 对 2 个 python 进程进行推理的优雅方法吗? 假设我有 2 个进程,第一个是分类猫/狗,第二个是分类鸟/飞机,每个进程运行不同的 tensorf
我是 Scala 的初学者,不明白这里发生了什么: 给定: val reverse:Option[MyObject] = ... 并且myObject.isNaire返回 bool 值。 如果我这样做
我正在尝试通过用我常用的语言 Clojure 实现算法 W 来自学 Hindley-Milner 类型推理。我遇到了 let 推理的问题,我不确定我是否做错了什么,或者我期望的结果是否需要算法之外的东
我正在尝试通过用我常用的语言 Clojure 实现算法 W 来自学 Hindley-Milner 类型推理。我遇到了 let 推理的问题,我不确定我是否做错了什么,或者我期望的结果是否需要算法之外的东
我做了一个项目,基本上使用带有 tensorflow 的 googles object detection api。 我所做的只是使用预训练模型进行推理:这意味着实时对象检测,其中输入是网络摄像头的视
我有一台带有多个 GPU 的服务器,我想在 Java 应用程序内的模型推理期间充分利用它们。默认情况下,tensorflow 占用所有可用的 GPU,但仅使用第一个。 我可以想到三个选项来解决这个问题
这个预测时间190ms,应该是cpu版本 昨天修改了个OpenCV DNN支持部署YOLOv5,6.1版本的Python代码,今天重新转换为C 代码了!貌似帧率比之前涨了点!说明C的确是比Python
我是一名优秀的程序员,十分优秀!