Pangolin项目安装与卸载问题解决方案
问题背景
在使用Pangolin这个计算机视觉库时,用户可能会遇到安装和卸载相关的问题。特别是在Ubuntu系统上,当用户尝试通过传统方式卸载Pangolin时,可能会遇到"找不到安装清单"的错误提示。这类问题通常源于CMake构建系统的特定配置或安装路径的问题。
常见错误现象
用户在尝试卸载Pangolin时可能会看到如下错误信息:
CMake Error at cmake_uninstall.cmake:2 (message):
Cannot find install manifest:
/home/user/Documents/Pangolin/build/install_manifest.txt
这种错误通常发生在用户尝试使用sudo make uninstall命令时,系统无法找到安装清单文件。
问题根源分析
-
安装清单缺失:CMake的卸载机制依赖于
install_manifest.txt文件,该文件记录了所有安装的文件路径。如果这个文件不存在或路径错误,卸载过程就会失败。 -
构建系统差异:不同的CMake生成器(如Unix Makefiles或Ninja)处理安装清单的方式可能不同,导致卸载命令的行为不一致。
-
安装路径变更:如果用户在安装后移动了Pangolin的文件位置,系统可能无法正确追踪这些文件的原始安装路径。
解决方案
方法一:使用正确的CMake生成器
- 对于使用Ninja生成器的构建系统:
cmake -B build -G Ninja -D CMAKE_INSTALL_PREFIX=$(pwd)/install
cmake --build build/ --target install
cmake --build build/ --target uninstall
- 对于使用Unix Makefiles生成器的构建系统:
cd build
sudo make uninstall
方法二:手动指定安装路径
在构建时明确指定安装路径可以避免后续问题:
cmake -B build -D CMAKE_INSTALL_PREFIX=/usr/local
方法三:解决共享库问题
如果遇到共享库无法找到的问题(如libpango_display.so),可以尝试:
sudo ldconfig
这个命令会更新系统的共享库缓存,帮助系统找到新安装的库文件。
最佳实践建议
-
保持安装路径一致:在构建和安装过程中使用相同的
CMAKE_INSTALL_PREFIX参数。 -
使用虚拟环境:考虑在虚拟环境或容器中安装Pangolin,避免污染系统环境。
-
记录安装步骤:保留安装过程中使用的命令和参数,便于后续维护和卸载。
-
优先使用包管理器:如果可能,优先使用系统包管理器(如apt)安装Pangolin,这样卸载会更加简单可靠。
总结
Pangolin的安装和卸载问题通常与CMake的配置和生成器选择有关。通过正确使用CMake参数和了解不同生成器的特性,可以避免大多数安装和卸载问题。对于共享库路径问题,及时更新系统库缓存也是一个有效的解决方案。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00