CMake 教程(三)添加库的使用要求

一、实例——添加库的使用要求

目标参数的使用要求可以更好地控制库或可执行文件的链接和包含行,同时还能在 CMake 内部更好地控制目标的传递属性。利用使用要求的主要命令有:

  • target_compile_definitions()
  • target_compile_options()
  • target_include_directories()
  • target_link_directories()
  • target_link_options()
  • target_precompile_headers()
  • target_sources()

接下来我们将重构 CMake 教程(二)添加库 中的代码,以使用现代 CMake 方法。我们将让我们的库定义自己的使用要求,以便在必要时将它们传递给其他目标。在这种情况下,MYSQRT 将自行指定所需的包含目录。然后,目标 test03 只需链接到 MYSQRT,而不必担心任何额外的 include 目录。

我们希望规定,链接到 MYSQRT 的任何人都需要包含当前源代码目录,而 MYSQRT 本身则不需要。这可以用 INTERFACE 使用要求来表达。不过,要记住,INTERFACE 意味着消费者需要但生产者不需要的东西。

lib/CMakeLists.txt 的末尾,使用带有 INTERFACE 关键字的 target_include_directories(),如下所示:

// lib/CMakeLists.txt
target_include_directories(MYSQRT
                           INTERFACE ${CMAKE_CURRENT_SOURCE_DIR}
                           )

现在我们已经指定了 MYSQRT 的使用要求,我们可以安全地从顶级 CMakeLists.txt 中删除对 EXTRA_INCLUDES 变量的使用,并从 target_include_directories 中删除 EXTRA_INCLUDES

// 顶层 CMakeLists.txt
list(APPEND EXTRA_INCLUDES "${PROJECT_SOURCE_DIR}/lib")
target_include_directories(test03 PUBLIC
                          "${PROJECT_BINARY_DIR}"
                          )

完整 CMakeLists.txt 代码如下:

// lib/CMakeLists.txt
cmake_minimum_required(VERSION 3.16)
  
project(my_lib)

LINK_LIBRARIES(m)

add_library(MYSQRT math_func.c)

option(USE_MYMATH "Use projectsauron provided math implementation" ON)

target_include_directories(MYSQRT
                           INTERFACE ${CMAKE_CURRENT_SOURCE_DIR}
                           )

if (USE_MYMATH)
    target_compile_definitions(MYSQRT PRIVATE "USE_MYMATH")

    add_library(SqrtLibrary STATIC
              my_sqrt.c
              )

    target_link_libraries(MYSQRT PRIVATE SqrtLibrary)
endif()

// 顶层 CMakeLists.txt
cmake_minimum_required(VERSION 3.16)
  
add_executable(test03 main.c)

project(test03 VERSION 1.1)

add_subdirectory(lib)

target_link_libraries(test03 PUBLIC MYSQRT)

target_include_directories(test03 PUBLIC
                          "${PROJECT_BINARY_DIR}"
                          )

list(APPEND EXTRA_INCLUDES "${PROJECT_SOURCE_DIR}/lib")


再按照上一节的方法来编译运行,效果一致。

请注意,使用这种技术,我们的可执行目标要使用我们的库,唯一要做的就是调用 target_link_libraries(),并输入目标库的名称。在大型项目中,手动指定库依赖关系的传统方法很快就会变得非常复杂。

内容概要:本文详细探讨了基于樽海鞘算法(SSA)优化的极限学习机(ELM)在回归预测任务中的应用,并与传统的BP神经网络、广义回归神经网络(GRNN)以及未优化的ELM进行了性能对比。首先介绍了ELM的基本原理,即通过随机生成输入层与隐藏层之间的连接权重及阈值,仅需计算输出权重即可快速完成训练。接着阐述了SSA的工作机制,利用樽海鞘群体觅食行为优化ELM的输入权重和隐藏层阈值,从而提高模型性能。随后分别给出了BP、GRNN、ELM和SSA-ELM的具体实现代码,并通过波士顿房价数据集和其他工业数据集验证了各模型的表现。结果显示,SSA-ELM在预测精度方面显著优于其他种方法,尽管其训练时间较长,但在实际应用中仍具有明显优势。 适合人群:对机器学习尤其是回归预测感兴趣的科研人员和技术开发者,特别是那些希望深入了解ELM及其优化方法的人。 使用场景及目标:适用于需要高效、高精度回归预测的应用场景,如金融建模、工业数据分析等。主要目标是提供一种更为有效的回归预测解决方案,尤其是在处理大规模数据集时能够保持较高的预测精度。 其他说明:文中提供了详细的代码示例和性能对比图表,帮助读者更好地理解和复现实验结果。同时提醒使用者注意SSA参数的选择对模型性能的影响,建议进行参数敏感性分析以获得最佳效果。
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值