编译boost时 cmake的debug：math命令无法解析“*”号

最新推荐文章于 2025-09-02 17:55:43 发布

原创最新推荐文章于 2025-09-02 17:55:43 发布 · 1.1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#visual studio #c++ #ide #cmake

本文介绍了在CMake中遇到的关于boost库context模块的错误，涉及到math函数解析问题。提供了一个解决方法，通过检查CMAKE_SIZEOF_VOID_P并使用IF-ELSE语句绕过错误。

bug描述：

CMake Error boost\libs\context\CMakeLists.txt:31 (math):
   math cannot parse the expression: " * 8": syntax error, unexpected
  exp_TIMES (2).

解决办法，绕过去：

if("${CMAKE_SIZEOF_VOID_P}"  STREQUAL  "0")
        math(EXPR _bits "0 * 8")
endif()

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

yangjia_cheng

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

CMake常用命令及指令宏

苦逼的程序猿

04-02

2970

获取路径下文件夹名 file(GLOB children RELATIVE ${CMAKE_SOURCE_DIR} ${CMAKE_SOURCE_DIR}/*) foreach(child ${children}) if(IS_DIRECTORY ${CMAKE_SOURCE_DIR}/${child}) list(APPEND dirlist ${child}) endif() endforeach() set(result ${dirlist}) list(APPEND dirlist "app

ubuntu18.04编译opencv时出现的错误及解决方法

wangyjfrecky的博客

07-10

5851

ccf@admin:~/software/opencv-2.4.13/build$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. CMake Deprecation Warning at CMakeLists.txt:47 (cmake_policy): The OLD behavior for policy CMP0022 will be removed from a future version o..

参与评论您还未登录，请先登录后发表或查看评论

Ubuntu 源码编译安装OpenCV

AI小学生

12-29

865

由于需要经常搭建编程训练环境，需要用到OpenCV，把编译过程和遇到的问题记录一下，作为以后参考。 1. Ubuntu下如果你只是需要在python里使用，那么可以直接通过apt-get安装： sudo apt-get install python-opencv 如果你需要在自己安装的python程序里使用，那么你需要使用自己的python库里的pip来装： pip install o...

cmake常见错误

玄冬Wong

05-01

1171

错误： D:\Program_Filesx86\Microsoft Visual Studio 14.0\VC\INCLUDE\cmath(17): error C2061: syntax error: identifier 'noexcept' D:\Program_Filesx86\Microsoft Visual Studio 14.0\VC\INCLUDE\cmath(17): er...

对cmake工程debug时出现错误 1: Syntax error: "(" unexpected

蒋成的博客

03-26

2415

1.可能是你的工程存放在命名为中文或者存在空格等特殊字符的文件夹下导致gcc编译器识别错误 2.脚本shell使用错误在脚本前写#!/bin/bash 执行dpkg-reconfigure dash然后选No 在Makefile中查到出问题的是make语句中的$(shell pwd)部分。后来发现代码目录的目录名中包含了括号！把目录改名，去掉名字中的括号，恢复正常。 ...

编译选项精准控制术：通过CMake配置Debug_Release版本的6大最佳实践

在软件开发中，Debug与Release版本不仅仅是编译速度和程序大小的差异，其背后体现了调试便利性与运行效率之间的权衡。Debug版本通过启用调试符号（如`-g`）和禁用优化（`-O0`），为开发者提供完整的堆栈信息与源码级...

CMake 全面解析：从基础配置到进阶实战的跨平台构建指南

weixin_41413777的博客

08-25

1364

CMake 是一个跨平台的构建系统生成工具，它不直接编译代码，而是通过解析配置文件（CMakeLists.txt）生成对应平台的构建文件（如 Linux 的 Makefile、Windows 的 Visual Studio 解决方案 .sln、macOS 的 Xcode 项目等），再由平台原生的构建工具（make、msbuild 等）完成编译。

KiCAD源码解析（2）:根目录CmakeList解析

u010250151的专栏

06-07

1962

KiCAD源码解析（2）提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档根目录CMakeLists.txt解析KiCAD源码解析（2）前言一、详细解析二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

CMake初探：在VSCode中集成CMake实现跨平台构建的7步完整路径

而当我们把视角转向软件开发领域——尤其是C++这种“古老却依然硬核”的语言生态时，会发现一个惊人相似的问题：如何让一套代码，在Windows、Linux、macOS甚至嵌入式系统上都能稳定编译和运行？这听起来像是魔法，...

CMake 详细解析

热门推荐

荣耀之路

09-18

10万+

Parse error: syntax error, unexpected '&'与PHP Fatal error: Call-time pass-by-reference has been removed错误的原因及解决办法

Ubuntu18.04系统下Opencv2.4.11安装CMAKE错误记录

博博有个大大大的Dream

03-24

7710

Determining if the include file linux/videodev.h exists failed with the following output: Change Dir: /home/ubuntu/Mydata/opencv-2.4.11/build/CMakeFiles/CMakeTmp Run Build Command:"/usr/bin/make" "cm...

Ubuntu18.04下OpenCV2.4.13，及常见错误的解决方案。

wowbing2的博客

04-29

2746

从GitHub下载opencv2.4.13，然后解压： wget https://github.com/Itseez/opencv/archive/2.4.13.zip unzip 2.4.13.zip 然后进入到OpenCV的目录下，开始编译安装OpenCV2.4.13的源码。 cd opencv-2.4.13 mkdir build cd build cmake -D CMAKE_BUILD_...

Ubuntu装opencv2.4.9 执行cmake这一步的时候出现的这些错误，怎么改？大佬么

S-L-L-Q的博客

08-29

8270

sll@sll-virtual-machine:~/下载/opencv-2.4.9/release$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local .. CMake Deprecation Warning at CMakeLists.txt:47 (cmake_policy): The OLD be...

ubuntu安装opencv3.10遇到的坑

qiqzhang的博客

12-15

3797

1. ubuntu编译opencv3.10的过程可以参考下面博客 http://blog.youkuaiyun.com/cumt08113684/article/details/53006376# 2. make过程中可能会出现以下问题 fatal error: Eigen/Eigenvalues: No such file or directory 在cmake的时候可以加上WITH_EGEN=...

08-19

<think>根据用户提供的错误信息，文件路径为`D:\Demo\QT\t1\First\rs_math.cpp`，行号804，错误代码`C1017`，表明该行有一个无效的整数常量表达式。这通常发生在预处理器指令（如`#if`）中，表达式不是有效的整数常量表达式。结合用户后续的意图说明，用户实际上是在调试一个用于求解线性方程组的C++函数，该函数使用了Boost.uBLAS的LU分解和Gauss-Jordan消元法。因此，我们需要检查该文件中第804行附近的预处理器条件编译指令。 ### 可能的原因及解决方案 #### 1. **预处理器指令中使用了变量而不是宏常量** 在`#if`、`#elif`等指令中，表达式必须是整数常量表达式，不能包含变量（即使该变量是`const`修饰的）。例如： ```cpp const int METHOD = 1; #if METHOD == 1 // 错误！METHOD是变量，不是宏 #endif ``` **修复方法**：使用宏定义（`#define`）来代替常量变量。 ```cpp #define METHOD 1 #if METHOD == 1 // 正确 #endif ``` #### 2. **表达式包含非整型元素** 预处理器要求表达式是整数类型。如果表达式包含了浮点数、枚举值（未转换为整数）等，则会导致错误。 #### 3. **表达式使用了C++运算符或函数** 预处理器表达式不能使用`sizeof`、类型转换、函数调用等。例如： ```cpp #if sizeof(int) > 2 // 错误 #endif ``` #### 4. **未定义的宏被当作0使用** 如果表达式中使用了未定义的宏，预处理器会将其视为0。但有时这可能导致表达式不符合预期。 ### 调试步骤 1. **定位错误行**：打开文件`rs_math.cpp`，找到第804行。 2. **检查预处理器指令**：查看该行附近的`#if`、`#elif`等指令，分析其表达式。 3. **确保表达式是整数常量**：确保表达式只包含整数常量、宏（已定义）和允许的运算符。 ### 示例修复假设在`rs_math.cpp`的第804行附近有类似以下代码： ```cpp const int SOLVE_METHOD = 1; // 用户可能用const变量 // 第804行 #if SOLVE_METHOD == 1 // 这里会报错C1017 // 使用LU分解 #else // 使用Gauss-Jordan #endif ``` 应改为： ```cpp #define SOLVE_METHOD 1 // 使用宏定义 #if SOLVE_METHOD == 1 // 使用LU分解 #else // 使用Gauss-Jordan #endif ``` ### 完整代码建议如果用户正在实现一个线性求解器，并允许选择LU分解或Gauss-Jordan消元法，建议使用宏或编译选项来控制方法的选择。例如： ```cpp // 在头文件或编译选项中定义SOLVE_METHOD，例如： // #define SOLVE_METHOD_LU 1 // #define SOLVE_METHOD_GAUSS_JORDAN 2 // 如果没有定义，则设置默认方法 #ifndef SOLVE_METHOD #define SOLVE_METHOD SOLVE_METHOD_LU // 默认使用LU分解 #endif // 然后在使用的地方 #if SOLVE_METHOD == SOLVE_METHOD_LU // 调用Boost.uBLAS的LU分解 #elif SOLVE_METHOD == SOLVE_METHOD_GAUSS_JORDAN // 调用Gauss-Jordan消元法 #else #error "Unknown solve method" #endif ``` ### 其他注意事项 - 如果表达式确实需要复杂的计算（如依赖于平台特性），考虑将这些条件判断移到代码逻辑中（使用`if`语句），而不是预处理器中。 - 确保所有使用的宏都已正确定义，并且是整数类型。 ### 相关问题 1. 在C++中，如何安全地使用预处理器进行条件编译？ 2. Boost.uBLAS库中LU分解的基本用法是什么？ 3. 如何用C++实现Gauss-Jordan消元法求解线性方程组？ 4. 宏定义和常量表达式在编译过程中的处理有何不同？ 5. 如何避免预处理器条件编译导致的代码难以维护？希望这些建议能帮助用户解决编译错误，并顺利实现线性求解器。</think>## 解决 C++ 线性方程组求解器中的 C1017 错误在您的 `rs_math.cpp` 文件中，第 804 行出现的 `C1017: invalid integer constant expression` 错误通常与预处理器条件编译相关。结合您使用的两种求解方法（Boost.uBLAS LU 分解和 Gauss-Jordan 消元法），以下是问题分析和解决方案： ### 错误原因分析 1. **预处理器中的非常量表达式**：在 `#if` 或 `#elif` 指令中使用了变量或函数调用 2. **方法选择逻辑问题**：在条件编译中使用了非整数常量来选择求解方法 3. **Boost 版本兼容性检查**：可能包含不正确的版本检测逻辑 ### 解决方案 #### 1. 修复条件编译表达式 ```cpp // 错误示例：使用变量 const int method = USE_LU; // 804行附近 #if method == USE_LU // 导致C1017错误 // 正确做法：使用宏定义 #define SOLVE_METHOD USE_LU // 在文件顶部定义 #if SOLVE_METHOD == USE_LU // LU分解代码 #elif SOLVE_METHOD == USE_GAUSS_JORDAN // Gauss-Jordan代码 #endif ``` #### 2. 使用编译期常量表达式（C++11） ```cpp constexpr int solveMethod = USE_LU; // 编译期常量 if constexpr (solveMethod == USE_LU) { // Boost.uBLAS LU分解实现 namespace ublas = boost::numeric::ublas; ublas::matrix<double> A(/* ... */); ublas::vector<double> b(/* ... */); ublas::permutation_matrix<> pm(A.size1()); lu_factorize(A, pm); lu_substitute(A, pm, b); } else if constexpr (solveMethod == USE_GAUSS_JORDAN) { // Gauss-Jordan消元法实现 gauss_jordan_elimination(A, b); } ``` #### 3. 完整的线性求解器实现示例 ```cpp #include <boost/numeric/ublas/lu.hpp> #include <boost/numeric/ublas/matrix.hpp> enum SolveMethod { USE_LU, USE_GAUSS_JORDAN }; #define SOLVE_METHOD USE_LU // 或 USE_GAUSS_JORDAN bool linearSolver(const boost::numeric::ublas::matrix<double>& A, const boost::numeric::ublas::vector<double>& b, boost::numeric::ublas::vector<double>& x) { #if SOLVE_METHOD == USE_LU // LU分解实现 namespace ublas = boost::numeric::ublas; ublas::matrix<double> A_copy(A); ublas::vector<double> b_copy(b); ublas::permutation_matrix<> pm(A.size1()); if (ublas::lu_factorize(A_copy, pm)) return false; // 奇异矩阵 x = b_copy; ublas::lu_substitute(A_copy, pm, x); return true; #elif SOLVE_METHOD == USE_GAUSS_JORDAN // Gauss-Jordan消元法实现 const size_t n = A.size1(); ublas::matrix<double> Ab(n, n + 1); // 构造增广矩阵 [A|b] for (size_t i = 0; i < n; ++i) { for (size_t j = 0; j < n; ++j) { Ab(i, j) = A(i, j); } Ab(i, n) = b(i); } // 消元过程 for (size_t pivot = 0; pivot < n; ++pivot) { // 部分主元选择 size_t max_row = pivot; for (size_t i = pivot + 1; i < n; ++i) { if (std::abs(Ab(i, pivot)) > std::abs(Ab(max_row, pivot))) { max_row = i; } } if (max_row != pivot) { std::swap_ranges(Ab.begin_row(pivot), Ab.end_row(pivot), Ab.begin_row(max_row)); } // 归一化 double pivot_val = Ab(pivot, pivot); if (std::abs(pivot_val) < 1e-12) return false; // 奇异矩阵 for (size_t j = pivot; j <= n; ++j) { Ab(pivot, j) /= pivot_val; } // 消元 for (size_t i = 0; i < n; ++i) { if (i != pivot) { double factor = Ab(i, pivot); for (size_t j = pivot; j <= n; ++j) { Ab(i, j) -= factor * Ab(pivot, j); } } } } // 提取解 x.resize(n); for (size_t i = 0; i < n; ++i) { x(i) = Ab(i, n); } return true; #endif } ``` ### 算法对比与选择建议根据引用[4]提供的算法复杂度分析： | 方法 | 计算复杂度 | 数值稳定性 | |------|-----------|-----------| | LU分解 | $O(n^3)$ | 中等 | | Gauss-Jordan | $O(n^3)$ | 中等 | | QR分解 | $O(n^3)$ | 高 | 1. **LU分解**：适合多次求解不同右端项$b$的方程组，分解只需一次 2. **Gauss-Jordan**：适合需要直接得到逆矩阵的情况 3. 对于病态矩阵，建议使用QR分解或奇异值分解(SVD) ### 最佳实践建议 1. **使用编译期配置**：通过CMake选项控制方法选择 ```cmake option(USE_LU_SOLVER "Use LU decomposition" ON) ``` 2. **添加数值稳定性检查**： ```cpp double condition_number = norm_1(A) * norm_1(inv(A)); if (condition_number > 1e10) { // 处理病态矩阵 } ``` 3. **异常处理**： ```cpp try { if (!linearSolver(A, b, x)) { throw std::runtime_error("Matrix is singular"); } } catch (const std::exception& e) { // 处理异常 } ``` ### 性能优化对于大型方程组，考虑以下优化： ```cpp // 使用BLAS加速 extern "C" void dgesv_(int* n, int* nrhs, double* A, int* lda, int* ipiv, double* B, int* ldb, int* info); // 使用OpenMP并行化 #pragma omp parallel for for (int i = 0; i < n; ++i) { // 并行化部分计算 } ``` ### 相关问题 1. 如何评估不同线性方程组求解算法的数值稳定性？[^4] 2. 在病态矩阵情况下，哪种线性方程组求解方法最可靠？[^3] 3. Boost.uBLAS与其他线性代数库(Eigen, Armadillo)的性能对比如何？[^1] 4. 如何利用GPU加速大规模线性方程组的求解？[^3] 5. LU分解与Cholesky分解在对称正定矩阵求解中的性能差异？[^4]