Vulkan-Samples项目中CMake 3.31版本兼容性问题解析
在Vulkan-Samples项目中,当开发者升级到CMake 3.31版本后,会遇到一个关于构建系统的警告信息。这个警告涉及到add_custom_command()命令中PRE_BUILD关键字的使用问题。
问题背景
在CMake构建系统中,add_custom_command()是一个常用的命令,用于在构建过程中添加自定义命令。这个命令有两种主要形式:一种是为特定目标添加自定义命令,另一种是为生成输出文件添加自定义命令。
在Vulkan-Samples项目中,开发者使用了add_custom_command()的第二种形式(OUTPUT形式)来编译着色器文件。在这种形式下,命令中包含了PRE_BUILD关键字,这在CMake 3.31版本中被明确标记为不支持的用法。
技术细节分析
CMake 3.31引入了一个新的策略CMP0175,该策略加强了对add_custom_command()命令参数的校验。具体变化包括:
- 在OUTPUT形式的
add_custom_command()中,不再接受PRE_BUILD、PRE_LINK或POST_BUILD关键字 - 旧版本CMake会静默忽略这些不支持的关键字
- 新版本会将这些无效用法标记为错误(或警告)
在Vulkan-Samples项目中,着色器编译的自定义命令位于sample_helper.cmake文件中,具体实现是使用Vulkan_dxc_EXECUTABLE来编译HLSL着色器为SPIR-V格式,并将输出文件复制到指定目录。
解决方案探讨
针对这个问题,项目维护者需要考虑以下几点:
- 跨平台兼容性:需要确保修改后的CMake脚本在所有支持平台(包括Android)上都能正常工作
- 版本兼容性:需要评估项目支持的CMake最低版本要求
- 功能替代方案:如果确实需要在构建前执行某些操作,可以考虑使用其他CMake机制
最直接的解决方案是移除PRE_BUILD关键字,因为对于OUTPUT形式的add_custom_command()来说,这个关键字本来就是无效的,早期版本只是忽略它而没有实际效果。
对开发者的建议
对于使用Vulkan-Samples项目的开发者,如果遇到这个问题,可以采取以下临时解决方案:
- 在CMakeLists.txt中显式设置策略为旧行为:
cmake_policy(SET CMP0175 OLD) - 使用
-Wno-dev选项来抑制开发警告 - 等待项目官方更新修复此问题
长期来看,项目应该更新CMake脚本以符合新版本CMake的要求,这有助于提高构建系统的健壮性和可维护性。
总结
这个问题展示了构建系统工具链升级可能带来的兼容性挑战。作为开发者,理解CMake命令的正确用法和版本差异非常重要。Vulkan-Samples项目作为学习Vulkan图形API的重要资源,其构建系统的完善也将为使用者提供更好的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00