EmilPRO 技术文档
2024-12-28 12:56:31作者:凤尚柏Louis
1. 安装指南
Debian 和 Ubuntu 用户
在 Debian 或 Ubuntu 系统上安装 EmilPRO,您需要首先安装以下依赖项:
sudo apt install g++ cmake ninja-build python3-pip binutils-multiarch-dev qt6-base-dev libglx-dev libgl1-mesa-dev
pip3 install conan
Fedora 用户
Fedora 系统的安装说明仍在编写中,但大致流程与 Ubuntu 类似。
MacOS 用户
在 MacOS 上安装 EmilPRO,您需要使用 Homebrew 安装以下依赖项:
brew install binutils qt6 conan cmake ninja
2. 项目的使用说明
EmilPRO 是一款图形化的反汇编工具,支持多种架构,主要用于调试目的。以下是它的主要特性:
- 支持 ARM、AArch64、x86、(未经测试) MIPS、(未经测试) PowerPC 架构的反汇编。
- 易于过滤符号名称/地址。
- 对符号和指令提供交叉引用。
- 通过跳转和调用进行导航。
- 访问过的地址/符号历史记录,支持后退/前进导航。
- 如果可用,显示高级源代码。
- 高亮显示使用的寄存器。
3. 项目API使用文档
本项目未提供详细的 API 文档,主要是作为一个桌面应用程序使用,用户交互主要通过图形用户界面完成。
4. 项目安装方式
在完成上述依赖项的安装后,您可以通过以下步骤编译和安装 EmilPRO:
编译步骤
Conan 配置
conan install -of build --build=missing -s build_type=Release conanfile.txt
在 Linux 系统上
cmake -B build -GNinja -DCMAKE_PREFIX_PATH="`pwd`/build/build/Release/generators/" -DCMAKE_BUILD_TYPE=Release
ninja -C build
在 MacOS 系统上
请从 PATH 中移除 binutils(为了 conan 构建)
cmake -B build -GNinja -DCMAKE_PREFIX_PATH="`pwd`build/build/Release/generators/;`brew --prefix binutils`" -DCMAKE_BUILD_TYPE=Release
ninja -C build
安装步骤
将编译好的 emilpro 可执行文件复制到 /usr/local/bin/ 目录下:
sudo cp qt/emilpro/emilpro /usr/local/bin/
以上即为 EmilPRO 的技术文档,希望对您使用该软件包有所帮助。如果您在安装或使用过程中遇到任何问题,可以联系开发者 Simon Kagstrom (simon.kagstrom@gmail.com)。
登录后查看全文
热门项目推荐
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-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
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
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
477
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
375
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258