博客
关于我
linux安装cmake
阅读量:315 次
发布时间:2019-03-03

本文共 1034 字,大约阅读时间需要 3 分钟。

Linux下安装CMake的详细指南

1. 概述

CMake是一款流行的构建工具,广泛应用于软件开发和打包。当前最新版本为3.17.0-rc2。在Linux系统中安装CMake可通过三种方式完成:通过软件包仓库安装、通过编译好的版本安装,或手动从源码编译安装。

2. 仓库安装

在大多数Linux发行版中,CMake可以通过包管理工具直接安装。例如,在Deepin系统中,可以通过以下命令快速安装:

sudo apt install cmake

安装完成后,若不满意旧版本(如3.7),可通过以下命令卸载:

sudo apt autoremove cmake

其他系统请根据自身包仓库配置自行查找安装命令。

3. 通过编译好的版本安装

如果需要特定版本或最新版本,可以从官方网站下载编译好的CMake二进制包。下载完成后:

tar -zxvf cmake-3.17.0-rc2-Linux-x86_64.tar.gzcd cmake-3.17.0-rc2-Linux-x86_64/bin

然后将CMake可执行文件添加到系统路径:

sudo ln -s cmake /usr/bin/cmake

验证安装是否成功:

cmake --version

4. 手动编译安装

4.1 下载

前往CMake官方网站下载最新源代码包:

tar -zxvf cmake-3.17.0-rc2.tar.gzcd cmake-3.17.0-rc2

4.2 解压

tar -zxvf cmake-3.17.0-rc2.tar.gzcd cmake-3.17.0-rc2

4.3 配置

./bootstrap --prefix=/usr/local/cmake

4.4 编译

在多核环境下编译以加快速度:

make -j 6

4.5 安装

将编译好的CMake安装到指定目录:

make install

4.6 添加别名

~/.bash_aliases中添加CMake别名:

vim ~/.bash_aliases

添加以下内容:

alias cmake=/usr/local/cmake/bin/cmake

然后重新加载配置:

source ~/.bash_aliases

或者执行:

. ~/.bash_aliases

最后验证版本:

cmake --version

通过以上方法,您可以轻松在Linux系统中安装并配置CMake。如遇到问题,请根据错误信息自行判断并查找解决方案。

转载地址:http://fuyq.baihongyu.com/

你可能感兴趣的文章
opencv8-图像模糊
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV_ cv2.imshow()
查看>>
opencv_core.dir/objects.a(vs_version.rc.obj)‘ is incompatible with i386:x86-64 output
查看>>
opencv——图像缩放1(resize)
查看>>
opencv——最简单的视频读取
查看>>
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
查看>>
OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
查看>>
OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>