1. 创建虚拟磁盘
1 | dd if=/dev/zero of=15g.img bs=1M count=15360 # 15GB |
2. 挂载img
1 | sudo losetup -l # 查看当前loop设备 |
3. img分区
通过fdisk对img分区
执行:
1 | sudo fdisk /dev/loop0 |
地址:
https://github.com/v2fly/fhs-install-v2ray
1 | bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-release.sh) |
1 | bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-dat-release.sh) |
1 | bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-release.sh) --remove |
V8源码通过depot_tools工具来管理,首先下载这个工具,作者以/Users/*/Documents/test/v8
目录为工作目录。
由于需要访问国外站,在获取depot_tools前需要做一些不可描述的事情:
1 | $ export http_proxy="http://127.0.0.1:8001"; export HTTP_PROXY="http://127.0.0.1:8001"; export https_proxy="http://127.0.0.1:8001"; export HTTPS_PROXY="http://127.0.0.1:8001" |
必须确定目标变量的值,以便机器学习算法可以发现特征和目标变量之间的关系。在监督学习中,给定一组数据,我们知道正确的输出结果应该是什么样子,并且知道在输入和输出之间有着一个特定的关系。 (包括:分类和回归)
在机器学习,无监督学习的问题是,在未加标签的数据中,试图找到隐藏的结构。因为提供给学习者的实例是未标记的,因此没有错误或报酬信号来评估潜在的解决方案。
此步骤根据需求而定,为了不影响系统Python环境,这里建立了虚拟环境。
1 | cd ~ |
为了能加速下载Python依赖,这里修改了pip源,这步也可根据自己的需求来。
可参考清华大学的pip源设置:https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
1 | pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package |
1 | pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple |
下载地址:
1 | xz -d linux-5.10.12.tar.xz |
1 | sudo apt-get install build-essential |
1 | make menuconfig |
https://developer.android.com/ndk/guides/cmake?hl=zh-cn
NDK 通过工具链文件支持 CMake。工具链文件是用于自定义交叉编译工具链行为的 CMake 文件。用于 NDK 的工具链文件位于 NDK 中的 /build/cmake/android.toolchain.cmake 内。
1 | #/bin/bash |
创建工作目录 engine
添加 depot_tools 到环境变量,并在engine目录下创建.gclient文件
1 | solutions = [ |
在engine目录执行 gclient sync
命令同步源码和编译工具链
进入 engine/src
目录下,如果是linux平台执行:
1 | sudo ./build/install-build-deps-android.sh |
如果是mac平台,安装jdk 1.8 和ant:
1 | brew install ant |
在engine/src
目录下,生成编译配置文件
1 | ./flutter/tools/gn --android --unoptimized |
生成目录 engine/src/out/android_debug_unopt
在engine/src
目录下,执行编译命令
1 | ninja -C out/android_debug_unopt |