Linux下运行时调用动态链接库.so的三种方法（笔记）

最新推荐文章于 2025-06-24 09:35:18 发布
原创 最新推荐文章于 2025-06-24 09:35:18 发布 · 2w 阅读 · 44 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#动态链接库 #Linux #GCC

本文介绍了在Linux环境下，.so文件（动态链接库）的三种常见加载方式：通过在/etc/ld.so.conf.d/下配置文件并使用ldconfig命令更新链接库缓存；将.so路径添加至LD_LIBRARY_PATH环境变量；或在编译命令中使用-Wl,-rpath参数指定.so文件位置。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  1. 在/etc/ld.so.conf.d/下创建xxx.conf，在文本中加入.so所在路径，如：/usr/xxx等等，然后使用相应ldconfig命令使之生效。
  2. 将.so所在路径添加为LD_LIBRARY_PATH环境变量。
  3. 在编译命令中使用-Wl,-rpath=./参数，并将相应.so拷贝到执行目录；当然也可以将‘./’指定为其他目录。

个人喜欢第一种，比较灵活，容易管理。

注意：-L参数添加的lib搜索目录只用于编译时，运行时需使用上述方法之一，否则会发生运行时调用.so错误。

Linux下c++调用自己编写的matlab函数：通过mcc动态链接库.so实现
每天进步一点
02-01 8337
这篇笔记通过mcc将.m函数编译成动态链接库供c++调用的方式实现从c++中调用matlab里面的自己写的函数。其实，调用自己编写的m函数，只是多了一步将自己的matlab函数编译成动态链接库文件（也就类似自带的那种eigen.h和libeng.so）。实验平台：ubuntu 12.04 + g++4.6 + matlab2012a
Linux调用动态.so库
guocctjpu的博客
06-14 2207
Linux下生成并调用动态.so库，解决遇到的bug：No such file or directory
linux下使用.so动态库
Kevin_Xie86的博客
11-21 1914
1、操作 当使用函数动态链接库.so时，如果从文件不在系统目录/lib 和/usr/lib(可以把.so拷贝到这些目录下；但如果没有root权限，则无法拷贝)。那么就需要指定环境变量LD_LIBRARY_PATH。 LD_LIBRARY_PATH是Linux环境变量名，该环境变量主要用于指定查找共享库（动态链接库）时除了默认路径之外的其他路径。 格式： LD_LIBRARY_PATH=NEWDIR...
Linux系统进阶实战笔记：从基础操作到核心原理的精准突破
最新发布
喜欢Python编程的程序员柚柚呀
06-24 808
内核层是 UNIX/Linux 系统的核心和基础，它直接附着在硬件平台之上，控制和管理系统内各种资源（硬件资源和软件资源），有效地组织进程的运行，从而扩展硬件的功能，提高资源的利用效率，为用户提供方便、高效、安全、可靠的应用环境。Shell 层是与用户直接交互的界面。NAT模式中，虚拟机的网卡和物理网卡的网络，不在同一个网络，虚拟机的网卡，是在vmware提供的一个虚拟网络。常用的运行级别为3和5，修改默认的运行级别:/etc/inittab的id:5:initdefault这一行中的数字即为运行级别。
Linux下动态加载SO文件
love19820823
09-29 1001
动态库的显式调用 显式调用的含义是代码出现库文件名，用户需要自己去 打开和管理库文件。其要点为: ⑴把dlfcn.h系统头文件包含进来 ⑵用dlopen函数打开库文件，并指定打开方式 dllope的的第一个参数为共享库的名称，将会在下面位置查找指定的共享库。 ①环境变量LD_LIBRARY_PATH列出的用分号间隔的所有目录。 ②文件/etc/ld.so.cache中找到的库的...
动态调用动态库方法 | from web
罗马非一日建成
11-10 1645
转载自:http://blog.sina.com.cn/s/blog_6294abe70100s66x.html     关于动态调用动态库方法说明 一、        动态库概述 1、  动态库的概念 日常编程中，常有一些函数不需要进行编译或者可以在多个文件中使用（如数据库输入/输出操作或屏幕控制等标准任务函数）。可以事先对这些函数进行编译，然后将它们放置在一些特殊的目标代码文件中，
linux-C直接调用SO动态库和生成SO动态库的函数
海阔天空的专栏
06-06 852
C代码 #include     #include        int main(void){       int (*myadd)(int a,int b);//fuction pointer       void *handle;   
Linux 调用动态库（.SO文件）总结
weixin_30390075的博客
06-27 2753
前面一篇文章“VS2010 C++创建、调用DLL图解”简单讲述了在Windows下创建和调用动态库（.dll文件）方法，本篇结合项目过程，总结一下Linux下调用动态库（.so文件）的方法和注意点。 像window调用库文件一样，在linux下，也有相应的API因为加载库文件而存在。它们主要是以下几个函数： 函数名功能描述 dlopen 打开对象文件，使其...
PHP调用C/C++生成的.so库的详细笔记
04-17
在Linux系统中，.so文件是共享对象（Shared Objects），相当于Windows平台下的.DLL动态链接库。它们包含了可执行代码和数据，可供多个程序同时使用，减少了内存占用。 要将C/C++代码集成到PHP中，我们需要经历以下...
linux qt 动态链接库 静态链接库.docx
12-05
Linux Qt 动态链接库和静态链接库学习笔记 Linux Qt 是一个基于Qt框架的应用程序开发平台，而动态链接库和静态链接库是Linux平台上常用的库链接方式。了解动态链接库和静态链接库的使用是 Qt 开发者必备的技能。 ...
Linux下一种运行时切换动态库的方法
渣哥笔记
01-08 1049
概述 假设有这样一种应用场景，有一个/lib/libfoo.so动态库，有两个或多个厂家各自实现了自己的版本，每个版本都不是尽善尽美，分别有自己的优势和缺点。可能app1使用v1版本的库比较合适、app2使用v2版本的库不会出bug等等。 在不能修改应用程序和动态库的前提下，本文提供了一种可以简单有效在运行时切换动态库的方法。 示例 v1版本库代码，v1/foo.c： #include &lt...
linux下生成和调用SO库文件的程序示例
04-20
这是个LINUX下生成SO文件，和调用SO库的程序示例.
JNA-Linux下java程序调用so库接口函数
03-08
在Linux系统下，JAVA程序通过JNA技术实现调用C语言编程输出的so库接口函数，从而实现java程序与c程序之间的交互。
Linux笔记-对.a静态库的进一步理解（2024-04-09）
IT1995的博客
07-22 1186
问：遇到问题应该及早发现才算是好的方法吧，.a静态库需要其他程序链接他时才会发现问题，那.a库的优势在哪呢？答：是的，一般来说，及早发现问题是好的编程实践。静态库（.a文件）和动态库（.so文件）各有其优势，针对不同的应用场景选择合适的库有助于提高开发效率和程序可维护性：静态库（.a）：优势：独立性： 静态库可以将所有依赖项（包括第三方库）打包在一起，使得程序在不同环境中运行更为可靠。可移植性： 可以将静态库嵌入到可执行文件中，方便在没有动态库的环境中运行。
Linux之简单调用so库及Makefile用法(九)
Android系统攻城狮
12-18 3665
1.test.h #include <stdio.h> //函数指针 typedef int (*ADD)(int,int); 2.test.c #include <stdio.h> int add(int a, int b){ printf(".PHONY 测试!\n"); return (a + b); } 3.测试程序main.c #include &l...
LINUX动态链接库的创建与使用
小生物语
04-24 3万+
一，LINUX系统中动态链接库的创建与使用 大家都知道，在WINDOWS系统中有很多的动态链接库(以.DLL为后缀的文件，DLL即Dynamic Link Library)。这种动态链接库，和静态函数库不同，它里面的函数并不是执行程序本身的一部分，而是根据执行程序需要按需装入，同时其执行代码可在多个执行程序间共享，节省了空间，提高了
Linux 动态加载并调用动态库(.so)方法介绍
热门推荐
enjoy.day
04-02 3万+
linux动态库
linux调用so库之一
weixin_40194697的博客
02-21 608
可以看他的第一部分，即显式调用。但是会报错，我的版本是64位的Ubuntu 20.04.6 LTS。会发现直接用第一种方式的代码报错，dlopen函数返回是void *型指针，不能匹配原so库中调用函数的函数指针类型。这种是可以调用成功的，直接编译调用程序，生成.out文件执行即可。需要注意的是，dlopen函数打开so库时的路径需要设置为绝对路径。即定义一个函数指针类型，然后调用dlsym函数强制转换此类型。
qnn-net-run 中libmodelGpu.so 为什么在本地笔记本还能跑
03-28
<think>好的，我现在需要帮助用户理解qnn-net-run在本地笔记本上运行时libmodelGpu.so的工作原理，以及它正常运行的原因和依赖条件。首先，我需要整理已有的信息。用户提供的引用内容中有两段相关的代码示例，一个是关于PYNQ平台加载QNN模型的Python代码，另一个是关于React组件配置的JavaScript注释。不过，用户的问题主要集中在qnn-net-run和libmodelGpu.so在本地GPU环境中的运行机制。 首先，我应该明确qnn-net-run可能是什么。根据名字推测，它可能是一个用于运行神经网络模型的工具或命令行程序，而libmodelGpu.so是一个共享库，提供GPU加速的支持。用户想知道为什么这个工具在本地GPU环境中能正常运行，以及需要哪些依赖条件。 接下来，我需要考虑libmodelGpu.so的作用。通常，.so文件是Linux下的共享库，用于动态链接。这个库可能包含GPU相关的函数，比如利用CUDA或OpenCL进行加速的代码。因此，这个库的工作原理应该是通过调用GPU的驱动程序来执行计算任务，从而加速神经网络的推理过程。 然后，用户想知道正常运行的原因和依赖条件。可能的原因包括正确的GPU驱动安装、CUDA工具包的存在、兼容的GPU架构，以及相关的运行时库。依赖条件可能涉及特定版本的CUDA、cuDNN、Python环境、框架依赖如TensorRT或OpenCL，以及系统权限如访问GPU设备的权限。 需要验证这些推测是否正确。例如，是否确实需要CUDA环境，或者是否依赖特定版本的驱动。同时，用户提到的QNN可能指Qualcomm神经网络相关的库，但结合引用中的代码，可能是在PYNQ平台上使用的某种QNN接口，但用户的问题是关于本地笔记本的，所以可能需要考虑不同的上下文。 可能还需要考虑操作系统兼容性，比如是否在Linux环境下运行，因为.so文件是Linux的共享库，Windows使用.dll，macOS使用.dylib。因此，用户可能在Linux笔记本上运行，或者通过某种兼容层。 此外，libmodelGpu.so可能依赖于其他库，比如NVIDIA的运行时库，或者特定的框架如TensorFlow或PyTorch的GPU版本。需要确保这些依赖项正确安装，并且环境变量如LD_LIBRARY_PATH包含必要的路径。 最后，总结运行条件：正确的硬件支持、驱动安装、运行时库、环境配置以及权限设置。可能还需要示例代码中的模型路径和输入数据准备正确。 现在需要将这些思考整理成结构化的回答，分点说明原因和依赖条件，并引用用户提供的参考资料中的相关内容，尽管引用中的代码可能与本地GPU运行关联不大，但可能需要提到如何准备输入数据等步骤。</think>### qnn-net-run 使用 libmodelGpu.so 的运行原理及依赖条件 #### 1. **libmodelGpu.so 的工作原理** libmodelGpu.so 是一个动态链接库，主要用于在 GPU 上加速神经网络推理任务。其核心功能包括： - **硬件加速**：通过 GPU 并行计算能力加速模型推理，例如使用 CUDA 或 OpenCL 实现张量运算的并行化[^1]。 - **接口封装**：提供标准化的 API（如模型加载、输入数据传递、推理执行）供上层工具（如 `qnn-net-run`）调用，隐藏底层 GPU 操作的复杂性。 - **模型优化**：可能包含针对特定 GPU 架构的算子优化，例如使用 TensorRT 或 cuDNN 进行推理优化[^1]。 #### 2. **本地 GPU 环境正常运行的原因** `qnn-net-run` 能够调用 libmodelGpu.so 在本地 GPU 上运行，需满足以下条件： - **硬件兼容性**：GPU 支持 CUDA 或 OpenCL 框架（如 NVIDIA GPU 需支持 CUDA Compute Capability ≥ 3.0）。 - **驱动与运行时**：已安装 GPU 驱动（如 NVIDIA 驱动）和对应的计算框架（如 CUDA Toolkit、cuDNN 库）。 - **依赖库链接**：系统动态链接器（如 `ldconfig`）能够正确找到 libmodelGpu.so 及其依赖的 GPU 相关库（如 `libcudart.so`）。 #### 3. **关键依赖条件** 若要在本地笔记本上正常运行，需确保以下环境配置： | **依赖项** | **说明** | |----------------------|-------------------------------------------------------------------------| | **GPU 驱动** | 如 NVIDIA 驱动 ≥ 450.80.02，确保 GPU 可被操作系统识别 | | **CUDA 工具包** | 需与 libmodelGpu.so 编译时使用的 CUDA 版本兼容（例如 CUDA 11.x）[^1] | | **cuDNN 库** | 若库依赖 cuDNN，需安装与 CUDA 版本匹配的 cuDNN（如 cuDNN 8.x for CUDA 11）| | **Python 环境** | 可能需要特定 Python 包（如 `pycuda` 或 `tensorflow-gpu`） | | **环境变量** | 设置 `LD_LIBRARY_PATH` 包含 CUDA 库路径（如 `/usr/local/cuda/lib64`） | | **权限配置** | 用户需有权限访问 GPU 设备（如 `/dev/nvidia*`） | #### 4. **验证运行的方法** 可通过以下步骤排查问题： ```bash # 检查 GPU 驱动是否加载 nvidia-smi # 查看 CUDA 版本 nvcc --version # 验证动态库依赖 ldd libmodelGpu.so | grep "not found" # 设置环境变量（临时） export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` #### 5. **应用场景示例** 如引用代码所示，本地 GPU 推理需正确加载模型并准备输入数据： ```python # 加载模型（假设通过 libmodelGpu.so 实现） from qnn_net_run import QNNRunner runner = QNNRunner("libmodelGpu.so") runner.load_model("model.xmodel") # 准备输入数据（需符合模型要求的格式和精度） input_data = np.random.rand(1, 3, 224, 224).astype(np.float32) # 执行推理 output = runner.infer(input_data) ``` --- ###
评论
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