cocos2d-x android移植日记

本文详细介绍了一个游戏产品从Cocos2d-x引擎移植到Android平台的过程,包括环境搭建、编译生成so文件、导入Eclipse并生成APK等关键步骤。

    使用cocos2d-x引擎已经有一段时间了,该引擎可以支持许多平台,我研了一款游戏产品。最开始的时候是在win7下使用Visual studio 2010进行开发,测试,进行到一个阶段之后,把它移植到Mac os环境下,然后Xcode IDE开发,使用真机iPhone,iPad进行调试,测试。

     现在,我们需要将该游戏产品移植到android平台下,应该,我在网上找了一些资料,开始了android平台的产品移植旅程。

      1.安装环境

        安装环境其实非常的复杂,时间也需要较长。这些内容在网上有比较多的资料。我在这里就不细说了。只是粗略地说一说。大家可以到cocos2d-x.org网站中的wiki中找到。

        1.1.安装java sdk .我是安装了1.6版的 j2ee.

              将java安装目录的bin目录加入到系统的变量path中,我的目录是:C:\Program Files\Java\jdk1.6.0_10\bin.

        1.2.安装adt-bundle-windows-x86,这个工具本身就带着eclipse ide和sdk,解之后,我是直接保存在c:\的根目录下,它有eclipse和sdk两个目录

              将sdk/tools目录加入以系统的变量path中。

        1.3.这时下载cocos2d-x,安装到c:\adt-bundle-windows-x86的目录中。

        1.4.接下来,下载android-ndk了。解压到c:\adt-bundle-windows-x86的目录中即可。

        1.5.最后需要下载的是cygwin了。这个下载,安装需要非常长的时间,我们要有耐心。

         所有的都安装完成之后,还需要做两个事。一个就是新建_ANDROIDTOOLS,_CYGBIN,_NDKROOT三个变量。它们分别指向sdk\tools目录,cygwi\bin目录,ndk目录。

         第二个就需要在安装的cygwin目录下的home目录中某个用户下的.bash_profile文件,需要在该文件最后,加入

         NDK_ROOT=/cygdrive/C/adt-bundle-windows-x86/android-ndk-r8e  "该目录视具体情况而定,我是在C盘下的adt-bundle-windows-x86/android-ndk-r8e目录"

          export NDK_ROOT

 

    2.编译生成so文件

        2.1.使用cocos2d-x目录下的create-android-project.bat,生成一个与我们需要移植产品名称相同的项目,这个过程,需要输入id,target platform version(就是android版本)我选的是2.2版本的sdk.然后该产品的anroid就生成好了。

        2.2.双击,打开在桌面上的cygwin terminal图标。然后进入到我们需要准备需要移植的目录中,找到build_native.sh该文件,然后编译该文件。如果一切顺利,应该在libs/armeabi目录有生成的*.so文件存在。

        2.3.这时打开eclipse。它在c:/adt-bundle-windows-x86/eclipse目录下,选择文件-》import->然后选择打开一个已经存在的工程(Existing android code into workspace).打开我们准备导入的android版本文件。即可编译。

 

   注意事项:

   1.build_native.sh文件,在文件中定义了cocos2d-x目录路径:COCOS2DX_ROOT="$DIR/../../../cocos2dx-2.1"。

   2.将cocos2d-x中的cocos2dx\platform\android\java\src目录中的org目录复制到应用目录proj.android\src中。

   3.修改proj.android\jni目录中的Android.mk文件,修改的内容主要是有两个方面,一个就是LOCAL_SRC_FILES:中定义的移植源文件,要求将工程中所有的*.c和*.cpp文件加入到其中,另一个就是修改LOCAL_C_INCLUDES,它指定本工程中所有引用的头文件目录。

  其它就编译,生成apk就OK了。

 

 

        

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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