让程序跑在没有相应的编译环境下的解决方法

本文分享了如何解决程序在不同环境下运行的问题,通过查找缺失的文件和使用manifest文件,最终实现了程序在无编译环境的机器上的正常运行。

最近一直被一个问题困扰,如何让自己编的程序在没有相应编译环境的机器上跑起来。

经过opencv中文站的高人的指点,我查了一下manifest。可是未果。

后来硬是把程序拷到一个没有相应环境的机器上运行,通过查看事件查看器,找到缺少的文件,然后一个个拷贝。一开始是opencv相关的dll文件。后来是vc2008相关的dll文件。这是‘应用程序配置问题’解决了,开始报‘应用程序正常初始化失败’。

经过搜blog,发现问题关键就是manifest文件。成功找到,这几个文件后,一并拷过去。成功运行。

 

整理一下,拷过去的文件包括

1、opencv依赖的dll文件(文件在opencv的安装目录/vc2008/bin下)

2、vc依赖的dll文件和manifest文件(文件在vs的安装目录/vc/redist/Debug_NonRedist/x86下)

 

参考链接

1、http://blog.youkuaiyun.com/xiaosu123/archive/2010/05/07/5565942.aspx

2、http://app.cnzer.cn/html-89858-1.html

3、http://sr-thinking.javaeye.com/blog/629073

### 配置程序以利用GPU进行加速 对于不同编程环境下的应用程序,配置其使用GPU进行加速的方法有所不同。以下是针对C#和MATLAB这两种环境中如何设置程序以便能够调用GPU资源的具体说明。 #### C# 在C#中要让程序支持通过NVIDIA GPU来进行高性能运算,主要依赖于CUDA技术以及相应的.NET绑定库[^1]。为了达成这一目标: - 安装适用于开发平台的CUDA Toolkit版本。 - 添加对适合处理并行任务框架的支持,例如Alea GPU或CUDAfy.NET这样的第三方类库之一。 - 编写自定义内核函数用于执行特定算法逻辑,并将其编译成PTX中间表示形式供后续加载至设备上运行。 ```csharp using Cudafy; using Cudafy.Host; using Cudafy.Translator; // 假设有一个简单的加法操作作为示范用途 [CudaKernel] public static void AddKernel(int[] a, int[] b, int n) { int i = blockIdx.x * blockDim.x + threadIdx.x; if (i < n) { b[i] = a[i] + b[i]; } } class Program { static void Main(string[] args) { var cuda = CudafyHost.GetDevice(CudafyModes.Target, CudafyModes.DeviceId); GPGPU gpu = CudafyTranslator.Cudafy(); // 准备输入数组... const int N = 1024; // 数组大小 // 将主机上的数据传输给GPU... var d_a = gpu.Allocate<int>(N); var d_b = gpu.Allocate<int>(N); // 执行内核... dim3 grid, block; GetGridBlockSizes(N, out grid, out block); gpu.Launch(grid, block).AddKernel(d_a, d_b, N); // 获取结果回到CPU内存空间... int[] result = new int[N]; gpu.CopyFromDevice(result, d_b); } private static void GetGridBlockSizes(int size, out dim3 gridSize, out dim3 blockSize){ // 计算合适的线程块尺寸与网格尺寸... gridSize = new dim3((size + 255)/256); blockSize = new dim3(256); } } ``` 这段代码展示了怎样创建一个基本的向量相加例子,在这里`AddKernel`方法被标记为可以在GPU上面执行的任务单元;而主函数负责初始化必要的组件并将工作分配出去完成后再取回最终答案。 #### MATLAB 当涉及到MATLAB时,则更加简便得多因为内置了良好的接口可以直接同底层硬件交互从而发挥出强大的浮点性能优势[^2]。具体做法如下所示: - 使用`gpuArray()`命令把原始矩阵转换成为位于显存中的对象实例; - 对这些特殊类型的变量应用标准数学表达式或者预构建好的工具箱功能即可触发自动化的异步迁移过程并且立即启动计算流程; - 结果会再次呈现为常规数值型结构体允许进一步参与其他地方的操作当中去。 ```matlab % 创建测试用的数据集 A = rand(1e3, 1e3); B = rand(size(A)); % 把它们转移到GPU上去 gA = gpuArray(A); gB = gpuArray(B); % 实施乘法运算(这一步会在GPU内部高效地被执行) resultOnGPU = gA .* gB; % 如果需要的话还可以转回来查看效果 finalResult = gather(resultOnGPU); ``` 上述脚本片段清晰地体现了从准备阶段直至获取解决方案整个周期内的关键步骤,同时也证明了即使是没有太多关于图形处理器专业知识背景的人也能轻松驾驭此类高级特性来显著提升复杂科学工程领域里常见问题求解的速度表现。
评论
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