在Windows下编译OpenSSL

疯狂-的-蜗牛 疯狂-的-蜗牛 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4.3k累计阅读 4.4k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄16年
关注
转载 最新推荐文章于 2026-02-27 03:40:36 发布 4.3k 阅读 AI 写同款· GEO 优化 ›
Windows下OpenSSL编译 Windows下OpenSSL编译OpenSSL源码下载编译工具准备1.下载ActivePerl2. 环境变量进行编译1.打开VS命令行工具2.进入openssl源码目录下，执行配置3.编译4.测试编译结果5.安装 OpenSSL源码下载 在 https://www.openssl.org网站下载openssl源码 或用git命令从github上下载 git clone https://github.com/openssl/openssl.git 目前OpenSSL包含两个比较大的版本，openSSL1.0 阅读详情

本文转载自：http://lwglucky.blog.51cto.com/1228348/325483，感谢原作者

需要说明的是请一定安装openssl-0.9.8a 。  openssl-1.0.0我没有编译成功.

如何在Windows下编译OpenSSL （Vs2005使用Vc8的cl编译器）
1、安装ActivePerl//初始化的时候,需要用到perl解释器
2、使用VS2005下的Visual Studio 2005 Command Prompt进入控制台模式（这个模式会自动设置各种环境变量）
3、解压缩openssl的包,进入openssl的目录
4、perl configure VC-WIN32
尽量在这个目录下执行该命令，否则找不到Configure文件，或者指定完整的Configure文件路径。
5、ms\do_ms
在解压目录下执行ms\do_ms命令
6、nmake -f ms\ntdll.mak

编译后
在openssl解压目录下执行，完成编译后。输出的文件在out32dll里面，包括应用程序的可执行文件、lib文件和dll文件

注意：在运行第五步时，cl编译器会抱怨说.\crypto\des\enc_read.c文件的read是The POSIX name for this item is deprecated（不被推荐的），建议使用_read。呵呵，我可不想将OpenSSL中的所有的read函数修改为_read。再看cl的错误代码error C2220，于是上MSDN上查找：
warning treated as error - no object file generated
/WX tells the compiler to treat all warnings as errors. Since an error occurred, no object or executable file was generated.
是由于设置了/WX选项，将所有的警告都作为错误对待，所以。。。

于是打开OpenSSL目录下的MS目录下的ntdll.mak文件，将CFLAG的/WX选项去掉，存盘。。。
继续执行nmake -f ms\ntdll.mak

于是成功。。。

=================================

[转]VC6.0中编译和使用OpenSSL的过程

Posted on 2009-10-18 18:25 answer 阅读(285) 评论(0)  编辑 收藏 所属分类: C/C++ 

一、编译并安装OpenSSL

1、按照标准步骤从源代码编译安装OpenSSL
    在编译OpenSSL前，需要正确安装Perl，因为在编译OpenSSL时需要使用到该程序。
   
    下载最新版本的Perl：http://downloads.activestate.com/ActivePerl/Windows/。然后安装之。

    下载最新版本的OpenSSL：http://www.openssl.org/source/
   
    然后将源码解压缩到某个目录（如 C:\openssl-0.9.8j）中。
   
    进入openssl源码目录。
    cd c:\openssl-0.9.8.j
   
    以下为参照该目录下的文件INSTALL.W32的执行过程：

    运行configure：
    perl Configure VC-WIN32 --prefix=c:/openssl

    创建Makefile文件：
    ms\do_ms
   
    编译动态库：
    nmake -f ms\ntdll.mak
    编译静态库：
    nmake -f ms\nt.mak

    测试动态库：
    nmake -f ms\ntdll.mak test
    测试静态库：
    nmake -f ms\nt.mak test

    安装动态库：
    nmake -f ms\ntdll.mak install
    安装静态库：
    nmake -f ms\nt.mak install

    清除上次动态库的编译，以便重新编译：
    nmake -f ms\ntdll.mak clean
    清除上次静态库的编译，以便重新编译：
    nmake -f ms\nt.mak clean

2、如果嫌麻烦，不想编译，可以直接用别人做好的windows OpenSSL 安装包（我用的是0.9.8j版），
   可以从 http://www.slproweb.com/products/Win32OpenSSL.html 下载 OpenSSL for Windows，直接安装。

P.S. OpenSSL for Windows 的源代码有一些数据类型和VC6的编译器不兼容，我发现的不兼容的数据类型如下：
在OpenSSL安装目录的下的include/bn.h文件中，将
    #define BN_ULLONG unsigned long long
    #define BN_ULONG unsigned long long
    #define BN_LONG long long
    分别修改为：
    #define BN_ULLONG ULONGLONG
    #define BN_ULONG ULONGLONG
    #define BN_LONG LONGLONG

    否则，会出现编译错误。


二、使用OpenSSL

    在VC中配置使用以上的函数库：
    点击菜单：Tools -> Options，弹出对话框"Options"，在该对话框中选择"Directories"标签。
    在"Show directories for:"的"Include files"选项中新增目录"C:\openssl\include"；
      "Library files"选择中新增目录"C:\openssl\lib"。

    然后在需要链接OpenSSL函数库的工程中加入如下两句：
    #pragma comment(lib, "ssleay32.lib")
    #pragma comment(lib, "libeay32.lib")
    其作用是将OpenSSL所需的库导入工程中。

三、问题

    我在链接OpenSSL的静态函数库时遇到类似以下的问题：
    Linking...
    msvcrt.lib(MSVCRT.dll) : error LNK2005: _strchr already defined in libcmtd.lib(strchr.obj)
    ...
   
    这是由于OpenSSL的静态函数库使用的是了VC的多线程DLL的Release版本，而我的程序使用了多线程静态链接的Release版本。

    调整OpenSSL的静态函数库使用的库函数版本即可，调整过程如下：
   
    编辑文件 ms\nt.mak，将该文件第19行
    "CFLAG= /MD /Ox /O2 /Ob2 /W3 /WX /Gs0 /GF /Gy /nologo -DOPENSSL_SYSNAME_WIN32 -DWIN32_LEAN_AND_MEAN -DL_ENDIAN -DDSO_WIN32 -D_CRT_SECURE_NO_DEPRECATE -

D_CRT_NONSTDC_NO_DEPRECATE /Fdout32 -DOPENSSL_NO_CAMELLIA -DOPENSSL_NO_SEED -DOPENSSL_NO_RC5 -DOPENSSL_NO_MDC2 -DOPENSSL_NO_TLSEXT -DOPENSSL_NO_KRB5 -

DOPENSSL_NO_DYNAMIC_ENGINE"
    中的"/MD"修改为"/MT"。然后重新编译安装OpenSSL即可。

四、附录：在VC中对C/C++ 运行时库不同版本编译指令说明
    《在VC中对C/C++ 运行时库不同版本编译指令说明》(http://blog.yesky.com/271/dgkang/1737771.shtml)一文中详细介绍了连接不同版本库的编译指令如下：
    C Runtime Library：
        /MD        MSVCRT.LIB     多线程DLL的Release版本
        /MDd       MSVCRTD.LIB    多线程DLL的Debug版本
        /MT        LIBCMT.LIB     多线程静态链接的Release版本
        /MTd       LIBCMTD.LIB    多线程静态链接的Debug版本
        /clr       MSVCMRT.LIB    托管代码和非托管代码混合
        /clr:pure  MSVCURT.LIB    纯托管代码
    C++ Standard Library：
        /MD       MSVCPRT.LIB     多线程DLL的Release版本
        /MDd      MSVCPRTD.LIB    多线程DLL的Debug版本
        /MT       LIBCPMT.LIB     多线程静态链接的Release版本
        /MTd      LIBCPMTD.LIB    多线程静态链接的Debug版本

===============================================

一 配置编译参数

    配置编译参数是进行OpenSSL编译的第一步,这一步可以确定系统的环境,使用什么编译器,默认安装路径以及其他一些选项.步骤如下:

1.安装perl:下载ActivePerl-5.8.8.822-MSWin32-x86-280952.msi,然后点击msi文件进行安装!

perl学习http://www.hongen.com/pc/program/tutors/perl/perl0001.htm

 

2..配置编译参数:下载openssl-0.9.8g.tar.gz,解压.

vc:首先在D:\Program Files\Microsoft Visual Studio .NET 2003\Vc7\bin\目录下执行vcvars32.bat,然后在解压后的openssl-0.9.8g目录,执行命令配置编译参数:perl Configure VC-WIN32   

bc:在解压后的openssl-0.9.8g目录下执行:perl Configure BC-32

二 生成批处理文件

    在使用configure脚本配置好的编译参数后,就可以使用批处理命令来生成编译脚本.生成编译脚本根据采用编译器的不同通常使用不同的批处理文件.就目前来说,使用vc编译的时候有三种选择:do_ms,do_masm和do_nasm来创建一系列编译脚本文件,即.mak脚本.步骤如下:

vc:在openssl-0.9.8g目录下,执行命令来批处理文件:do_ms,do_masm和do_nasm

bc:1.下载nsm09839.zip微软汇编编译器,解压,拷贝到c:/windows目录下,修改名称为nasmw.exe;2.在openssl-0.9.8g目录下,执行命令来批处理文件:ms\do_nasm

三 代码编译

vc:

完成上面步骤后,可以看到两个关键脚本文件:nt.mak和ntdll.mak.如果我们需要编译后的OpenSSL库是支持动态DLL形式的,那么应该使用ntddll.mak文件进行编译,这样编译完成我们会得到四个与OpenSSL的API库有关文件:ssleay32.lib,libeay32.lib,ssleay32.dll和libeay32.dll.执行的编译命令形式如下:nmake -f ms\ntdll.mak

如果不希望以动态库的形式使用OpenSSL,那么可以使用nt.mak文件进行编译.这样编译后使用OpenSSL的时候,回直接将代码链接进我们的程序里面.执行命令如下:nmake -f ms\nt.mak

bc:执行命令来完成代码编译:make -f ms\bcb.mak

四 ELSE

1

   测试动态库：
    nmake -f ms\ntdll.mak test
    测试静态库：
    nmake -f ms\nt.mak test

    安装动态库：
    nmake -f ms\ntdll.mak install
    安装静态库：
    nmake -f ms\nt.mak install

    清除上次动态库的编译，以便重新编译：
    nmake -f ms\ntdll.mak clean
    清除上次静态库的编译，以便重新编译：
    nmake -f ms\nt.mak clean

2  

    使用OpenSSL
    在VC中配置使用以上的函数库：
    点击菜单：Tools -> Options，弹出对话框"Options"，在该对话框中选择"Directories"标签。
    在"Show directories for:"的"Include files"选项中新增目录"C:\openssl\include"；"Library files"选择中新增目录"C:\openssl\lib"。
    然后在需要链接OpenSSL函数库的工程中编译时加入"libeay32.lib"就可以了。


收录于
开源

当前文章被收录于：

开源
24 篇文章 0 人学习
订阅专栏 查看详情
OpenSSL 在Windows下的源码编译 OpenSSL 介绍：OpenSSL是Eric Andrew Young 和 Tim J. Hudson 在1995年到1998年用C语言开发的包含安全套接字层协议（Secure Sockets Layer）和传输层安全协议（Transport Layer Security）的开源密码库。最早是Eric A. Young在1995年开发的开源的SSLeay实现，其中SSL就是安全套接字层，“eay” 阅读详情

相关推荐

SHAP图全解析：从理论到实践，教你如何读懂和优化模型特征

本文全面解析SHAP图，从博弈论基础到实战应用，指导读者如何解读和利用SHAP值优化机器学习模型。通过详解特征重要性条形图、小提琴图、依赖图及决策图等关键可视化工具，帮助数据科学家精准诊断模型、识别特征交互，并将洞见转化为特征工程与模型调试的实际行动，有效提升模型可解释性与性能。

svm4gardener的博客 188

在Windows下编译OpenSSL（VS2005）

<br />如何在Windows下编译OpenSSL （Vs2005使用Vc8的cl编译器）<br />1、安装ActivePerl//初始化的时候,需要用到perl解释器<br />2、使用VS2005下的Visual Studio 2005 Command Prompt进入控制台模式（这个模式会自动设置各种环境变量）<br />3、解压缩openssl的包,进入openssl的目录<br />4、perl configure VC-WIN32<br />尽量在这个目录下执行该命令，否则找不到Config

dalaoma的专栏 1375

Ubuntu 20.04 server 安装

Ubuntu 20.04 server 安装 前面我们介绍了 Ubuntu Desktop 版本的安装，今天我们来看看 Ubuntu server 版本的安装。Ubuntu Server 版本的安装和 Desktop 有很大的区别，并且全程不能使用鼠标，只能通过键盘。 从光盘或 U 盘启动到 Welcome 界面，选择语言，一般都是使用 English，所以保保持默认，直接按回车即可； 系统检测到了新的版本，问你是否是否更新，这里我们不需要安装新的版本，所以选项 Continue without upda

as900的博客 1万+

如何在windows上安装Openssl环境

openssl windows版安装

天山锦有的博客 7474

数据分析—用户行为数据分析

一般价值用户（R高F高M低）：用户处于购买活跃期，感兴趣的商品多，购买次数少 → 针对该部分客户，目的就是要让他们购买，所以可以和运营部门沟通，降低利润，给出有力折扣促进购买，进而转为重要价值用户。重要价值用户（R高F高M高）维护：用户处于购买活跃期，感兴趣的商品多，购买次数也多 → 针对兴趣产品，保持一定频率的触达，持续维护。

m0_74091312的博客 1418

[P4V]Perforce(P4V)使用教程

1.前言 Perforce SCM System是一款构建于可伸缩客户/服务器结构之上的软件配置管理工具。仅仅应用TCP/IP，开发人员就能够通过多种Perforce客户端（几种平台的GUI、WEB、或命令行）访问Perforce服务器。Perforce能够被快速和容易地部署，即使对大型或分布式的站点，也只要求最小限度的管理。Perforce可以使用在50多个操作系统中，它包括版...

元直的博客 2万+

openssl动态引擎

openssl动态引擎 dynamic engine

ughome的专栏 1755

ardupilot开发 --- 避障篇

适配ardupilot的雷达避障功能开发，使用低成本雷达思岚科技系列雷达，配置简单，灵敏度高，障碍物检测范围不低于30m。

记录老板的每次pua，分享领导每天的毒鸡汤... 4301

【windows平台编译libcurl (zlib+openssl)】

libcurl库 https://curl.se/download.html 根据需求下载版本 (为了项目的兼容性，作者使用版本7.58.0)。3.1zlib编译：zlib解压后进入zlib-1.2.13\contrib\vstudio\vc14路径，启动zlibvc.sln。opensslk库 https://www.openssl.org/source/ 根据需求下载版本（作者下载版本1.1.1）；zlib库 http://www.zlib.net/ 最新版本就可以（作者下载版本2.13.0）；

aichen11的博客 1954

AutoSAR系列讲解（入门篇）2.4-Runnables可运行实体

讲解一下Runnable和其工程的实际映射

雪云飞星的博客 3万+

Fiori Elements 从入门到精通开发教程的文章目录

Fiori Elements 开发技术相对 SAP 其他历史悠久，发展成熟的开发技术来说，是一个新事物。正因如此，迄今为止国内深入讲解 Fiori Elements 应用的中文材料几乎没有。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 4726

【Windows】编译libcurl，添加openssl和zlib支持

Windows系统环境下编译libcurl，添加openssl和zlib支持。

weixin_41701847的博客 3122

Python爬虫反爬：突破Cloudflare 5秒盾（免费方案，小红书/知乎可用）

这套方案的核心优势是“真实模拟+免费无门槛”无需付费代理、无需复杂JS解密，仅用playwright模拟真实浏览器，即可突破Cloudflare 5秒盾；适配小红书、知乎、豆瓣等主流平台，修改配置即可复用；兼顾易用性和稳定性，新手也能快速上手，企业级场景可通过IP轮换、异步爬取进一步优化。“模拟人类行为到底”——Cloudflare的反爬本质是区分“机器”和“人类”，只要爬虫的浏览器指纹、行为特征与人类一致，就能稳定绕过限制。

专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。 2880

Windows 下编译 OpenSSL

OpenSSL 是一个开源的第三方库，它实现了 SSL（Secure SocketLayer）和 TLS（Transport Layer Security）协议，被广泛企业应用所采用。

青春不老，奋斗不止！ 6万+

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Windows下编译OpenSSL

我的环境： Win11 64位 CPU：Intel openssl-3.4.0 nasm-2.16.03-installer-x86 strawberry-perl-5.40.0.1-64bit Visual Studio 2019一、下载OpenSSL源码OpenSSL官方源码下载地址：https://www.openssl.org/source/ ​二、下载Perl编译OpenSSL需要用到Perl语言，需要安装支持Perl的环境。Windows下比较多用的是activeperl，比较小，但是缺少模

weixin_51233829的博客 1897

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

openssl在Windows系统下的编译

Openssl在Windows系统下的编译

qq_34488939的博客 6001

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

OpenSSL Windows编译

Windows 编译OpenSSL

wyw0000的博客 1568

Windows 下详细步骤编译 OpenSSL

Windows 下详细步骤编译 OpenSSL

森明帮大于黑虎帮的博客 8035

Windows编译curl,添加openssl支持

点击第3步，在新页面点击Finish。参考参数设置我这里将BUILD_CURL_EXE,BUID_EXAMPLES,BUILD_LIBCURL_DOCS,BUILD_MISC_DOCS。生成EXE，案例，文档几个参数取消了，勾选了静态库和动态库生成。CURL_USE_OPENSSL的值一定要选中，不然curl不支持https协议。添加OpenSSL路径参数：点击界面中的Add Entry,在弹出的对话框中输入。1.下载完成解压并新建文件夹 build_for_cmake。大家有看不懂的可以私信。

Su_liang的博客 1488

Windows下编译OpenSSL静态库

OpenSSL是一个功能丰富且开源的安全工具箱，它提供的主要功能有：SSL协议实现(包括SSLv2、SSLv3和TLSv1)、大量软算法(对称/非对称/摘要)、大数运算、非对称算法密钥生成、ASN.1编解码库、证书请求(PKCS10)编解码、数字证书编解码、CRL编解码、OCSP协议、数字证书验证、PKCS7标准实现和PKCS12个人数字证书格式实现等功能。

mickey2007的博客 5078

openssl之windows编译

文章目录一、编译前工作二、编译安装 一、编译前工作         进入下载页面：https://www.openssl.org/source，下载.tar.gz包到指定目录。例如：下载openssl-1.1.1k.tar.gz并解压到D:\workspace\openssl-1.1.1k。         在父目录创建构建目录，例如：D:\work

hezhanran的博客 6057

OpenSSL在windows环境下编译

OpenSSL在windows环境的编译 编译平台： Windows10 x64 Visual Studio 2017 OpenSSL代码版本：OpenSSL_1_1_1e ActivePerl版本：ActivePerl-5.26.3.0000-MSWin32-x64 编译后的OpenSSL可运行平台： windows 10 x64 windows 7 x64 windows 7 x32 ...

逆光倾城的博客 2392

OpenSSL 在windows系统下的编译全解

由于google等强推TLS/SSL网络加密,不得不准备为自己的服务器也加入TLS/SSL支持,反正我们能得到的支持TLS/SSL的库就那么几个,mozila的库太复杂,基本可以排除,GNU的库,因为GPL的关系,也被排除,那么剩下的就只有OpenSSL符合要求了,不过它也确实符合要求,因为是c编写了所有实现[除界面交互确认部分,我个人认为这个最好还是直接设置一个开关来由调用者确定是否交互,而不是...

danscort2000的专栏 2万+

如何在Windows下编译OpenSSL

OpenSSL是一个开源的第三方库，它实现了SSL（Secure SocketLayer）和TLS（Transport Layer Security）协议，被广泛企业应用所采用。对于一般的开发人员而言，在http://slproweb.com/products/Win32OpenSSL.html 上下载已经编译好的OpenSSL库是省力省事的好办法。对于高级的开发用户，他们可能需要适当的修改或者裁

GUANYIJUN123的专栏 765

windows下编译openssl

1. 下载ActivePerl

皓月如我的专栏 9120
上一篇： Python编码格式说明及转码函数encode和decode的使用
下一篇： 开源一个VC++实现的MP3播放器（支持换肤、截屏、半透明）源码
点赞 0
评论 0
书签 书签 3
疯狂-的-蜗牛
疯狂-的-蜗牛
博客等级 码龄16年 427粉丝 104原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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