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
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
1.03 K
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210