Pangolin项目在Ubuntu 20.04上的构建问题及解决方案
Pangolin是一个轻量级的3D可视化库,广泛应用于计算机视觉和机器人领域。在Ubuntu 20.04系统上构建该项目时,用户可能会遇到依赖项安装失败的问题,特别是关于catch2测试框架的缺失。
问题背景
Ubuntu 20.04 LTS(Focal Fossa)作为长期支持版本,目前仍被广泛使用。然而,该系统的软件仓库中并未包含catch2测试框架包,这个包是在后续的Ubuntu 22.04 LTS(Jammy Jellyfish)版本中才被引入官方仓库的。
技术分析
catch2是一个现代的C++测试框架,Pangolin项目将其用于单元测试。在构建过程中,安装脚本会尝试安装所有推荐的依赖项,包括测试所需的catch2。当系统无法找到这个包时,构建过程就会中断。
解决方案
对于必须在Ubuntu 20.04上构建Pangolin的用户,有以下几种可行的解决方案:
-
跳过测试构建:由于catch2仅用于测试目的,可以修改安装脚本,暂时移除对catch2的依赖,构建不包含测试的主程序。
-
手动安装catch2:可以从源代码编译安装catch2,或者使用其他包管理方式(如conan或vcpkg)获取该依赖项。
-
升级系统:考虑将系统升级到Ubuntu 22.04 LTS,这是官方CI测试支持的版本,可以避免此类兼容性问题。
最佳实践建议
对于生产环境,建议使用官方CI测试过的Ubuntu 22.04 LTS版本进行构建,以确保所有依赖项都能正确安装。如果必须使用Ubuntu 20.04,可以选择跳过测试构建,但需要注意这可能会影响对代码质量的验证。
对于开发环境,可以考虑使用容器技术(如Docker)创建一个基于Ubuntu 22.04的构建环境,这样既能保持主机系统的稳定性,又能获得完整的构建支持。
总结
开源项目的依赖管理经常会遇到不同Linux发行版和版本间的兼容性问题。理解这些问题的根源并掌握相应的解决方法,对于开发者来说是一项重要的技能。在Pangolin这个案例中,我们看到了如何通过调整构建策略来解决特定系统版本下的依赖问题。
kernelopenEuler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。C0106
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00