Cemu项目在Linux Mint上的编译问题分析与解决方案
2025-05-28 12:43:37作者:范靓好Udolf
问题背景
在Linux Mint 21.3系统上编译Cemu模拟器项目时,开发者遇到了构建失败的问题。该问题主要出现在链接阶段,错误信息显示LLVMgold.so插件加载失败。通过分析发现,这是由于编译环境配置不当导致的典型问题。
环境准备
在Linux Mint系统上编译Cemu项目需要特别注意以下几点:
-
编译器选择:项目推荐使用Clang 15作为编译器,在Debian系发行版中通常以
clang-15和clang++-15的形式安装。 -
构建工具:需要安装Ninja构建系统,这是Cemu项目的推荐构建工具。
-
依赖管理:项目使用vcpkg进行依赖管理,需要确保相关依赖包已正确安装。
常见错误分析
错误1:LLVMgold.so加载失败
/usr/bin/ld: /usr/bin/../lib/LLVMgold.so: error loading plugin: /usr/bin/../lib/LLVMgold.so: cannot open shared object file: No such file or directory
原因分析:
- 在Linux Mint 21.3(Ubuntu 22.04基础)中,
clang-15实际上是/usr/lib/llvm-15/bin/clang-15的符号链接 LLVMgold.so由llvm-15-linker-tools包提供,位于/usr/lib/llvm-15/lib/目录- 当开发者手动复制
clang-15到/usr/bin/clang时,破坏了原有的相对路径关系
解决方案:
- 恢复系统原始的
clang-15和clang++-15配置 - 使用正确的CMake命令指定编译器路径
错误2:编译器路径配置错误
CMake Error: The CMAKE_C_COMPILER: /usr/bin/clang is not a full path to an existing compiler tool.
原因分析:
- CMake缓存中保存了旧的编译器路径配置
- 系统缺少
/usr/bin/clang的符号链接
解决方案:
- 清除CMake缓存文件
build/CMakeCache.txt - 使用完整路径指定编译器版本
正确的构建步骤
- 安装必要依赖:
sudo apt install clang-15 clang++-15 ninja-build llvm-15-linker-tools libudev-dev
- 配置构建环境:
cmake -S . -B build \
-DCMAKE_BUILD_TYPE=release \
-DCMAKE_C_COMPILER=/usr/bin/clang-15 \
-DCMAKE_CXX_COMPILER=/usr/bin/clang++-15 \
-G Ninja \
-DCMAKE_MAKE_PROGRAM=/usr/bin/ninja
- 执行构建:
cmake --build build
技术要点总结
-
编译器管理:在Linux系统中,不同版本的Clang通常以版本后缀区分,不应手动创建无版本号的符号链接。
-
构建系统缓存:CMake会缓存配置信息,当更改编译器路径等关键配置时,需要清除缓存文件。
-
LLVM工具链:LLVM的链接器插件(LLVMgold.so)需要与编译器版本匹配,且位于正确的相对路径中。
-
系统包管理:在基于Debian的系统中,应优先使用apt安装开发工具链,避免手动干预系统目录。
通过遵循上述步骤和原则,可以在Linux Mint系统上顺利完成Cemu项目的构建。对于其他基于Debian/Ubuntu的Linux发行版,此解决方案同样具有参考价值。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137