NCNN项目编译工具目录缺失问题解析
2025-05-10 05:02:30作者:苗圣禹Peter
在基于RISC-V架构进行NCNN项目交叉编译时,开发者可能会遇到一个常见问题:即使编译过程没有报错,最终生成的build目录中却找不到预期的tools工具目录。这种情况通常与CMake配置参数直接相关。
问题本质
通过分析用户提供的编译命令,可以清晰地看到问题根源在于-DNCNN_BUILD_TOOLS=OFF这个编译选项。该选项显式地关闭了工具链的编译功能,导致CMake在生成构建系统时直接跳过了所有工具相关的编译目标。
正确配置建议
对于需要生成NCNN配套工具(如模型转换工具、量化工具等)的情况,必须确保以下配置参数:
-DNCNN_BUILD_TOOLS=ON
完整的推荐编译命令应为:
cmake -DCMAKE_TOOLCHAIN_FILE=../riscv32-unknown-elf.toolchain.cmake \
-DNCNN_THREADS=OFF \
-DNCNN_OPENMP=OFF \
-DNCNN_BUILD_TOOLS=ON \
-DNCNN_BUILD_EXAMPLES=OFF ..
参数选择建议
-
工具链必要性评估:
- 在嵌入式场景下,若目标平台仅需运行推理而不需要模型转换等功能,可保持OFF状态减小体积
- 在开发环境或需要模型预处理时,必须设为ON
-
相关参数组合:
- 当启用工具编译时,建议同步检查
-DNCNN_BUILD_EXAMPLES参数 - 对于资源受限平台,可配合使用
-DNCNN_DISABLE_RTTI和-DNCNN_DISABLE_EXCEPTION优化
- 当启用工具编译时,建议同步检查
编译系统原理
CMake的选项参数采用-D<option>=<value>的格式,这些参数实际上是在配置阶段定义CMake缓存变量。NCNN的构建系统会根据这些变量值决定哪些组件需要被包含在构建目标中。特别需要注意的是,所有布尔型选项都遵循CMake的布尔值约定,ON/OFF必须全大写。
验证方法
编译完成后,可通过以下方式验证配置是否生效:
- 检查CMakeCache.txt文件中相关变量的最终值
- 查看CMake输出日志中是否包含工具链的配置信息
- 在build目录下执行
make help查看所有可用的构建目标
总结
NCNN项目的模块化设计允许开发者通过CMake参数灵活控制编译内容。理解每个参数的作用范围,特别是像BUILD_TOOLS这样的关键开关,对于获得符合预期的构建结果至关重要。在实际项目中,建议通过CMake GUI工具或ccmake命令交互式地检查和确认所有配置参数,避免因参数误解导致的构建目标缺失问题。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
547
671
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
930
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
430
75
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
326
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292