在Ubuntu 22.04上编译nomacs图像浏览器的注意事项
随着Ubuntu 21.04及后续版本的发布,系统默认的Qt5软件包发生了一些变化,这直接影响了nomacs图像浏览器的编译过程。本文将详细介绍在Ubuntu 22.04 LTS系统上编译nomacs时需要注意的关键点。
Qt5软件包变更背景
在Ubuntu 21.04之前的版本中,qt5-default是一个元软件包,它包含了Qt5开发所需的基本组件。然而,从Ubuntu 21.04开始,这个软件包被移除了,取而代之的是更细粒度的软件包管理方式。这一变化导致了许多依赖Qt5的项目在编译时出现问题。
解决方案
对于nomacs项目,解决这个问题的方法很简单:将构建依赖中的qt5-default替换为qtbase5-dev。这个软件包提供了Qt5的基础开发文件,包括必要的头文件和库文件。
完整的安装命令应修改为:
sudo apt-get install debhelper cdbs qt5-qmake qttools5-dev-tools qtbase5-dev qttools5-dev libqt5svg5-dev qt5-image-formats-plugins libexiv2-dev libraw-dev libopencv-dev cmake libtiff-dev libquazip5-dev libwebp-dev git build-essential lcov libzip-dev
编译过程中的常见错误
如果在没有正确安装Qt5开发环境的情况下尝试编译nomacs,CMake会报告找不到Qt5的配置文件。典型的错误信息如下:
Could not find a package configuration file provided by "Qt5" (requested version 5.15.0)
这个错误明确指出了系统缺少Qt5的开发环境。通过安装qtbase5-dev软件包,系统将能够找到所需的Qt5Config.cmake文件,从而顺利完成配置阶段。
更深层次的技术细节
Qt5在Ubuntu中的这种变化反映了现代Linux发行版对软件包管理的一种趋势:从大而全的元软件包转向更精细化的组件管理。这种方式带来了几个优势:
- 减少了不必要的依赖,使系统更加精简
- 允许用户只安装他们真正需要的组件
- 便于维护和更新单个组件而不影响整个框架
对于开发者而言,这意味着需要更加了解项目的实际依赖关系,而不是简单地依赖元软件包。在nomacs的例子中,除了qtbase5-dev外,项目还需要其他Qt相关的开发包,如libqt5svg5-dev用于SVG支持,qttools5-dev用于工具链支持等。
总结
在Ubuntu 22.04上编译nomacs时,正确处理Qt5依赖关系是关键。通过使用qtbase5-dev替代已废弃的qt5-default,开发者可以顺利构建这个强大的图像浏览器。这一经验也适用于其他基于Qt5的项目,体现了现代Linux系统软件包管理的变化趋势。
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