130 lines
3.8 KiB
Markdown
130 lines
3.8 KiB
Markdown
# cmake 编译选项说明
|
||
|
||
<table class="docutils">
|
||
<thead>
|
||
<tr>
|
||
<th>选项</th>
|
||
<th>取值范围</th>
|
||
<th>缺省值</th>
|
||
<th>说明</th>
|
||
</tr>
|
||
</thead>
|
||
<tbody>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_SHARED_LIBS</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>ON</td>
|
||
<td>动态库的编译开关。设置OFF时，编译静态库</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_SDK</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>MMDeploy SDK 编译开关</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_SDK_MONOLITHIC</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>编译生成单个 lib 文件</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_TEST</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>MMDeploy SDK 的单元测试程序编译开关</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_SDK_PYTHON_API</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>SDK python package的编译开关</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_SDK_CSHARP_API</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>SDK C# package的编译开关</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_SDK_JAVA_API</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>SDK Java package的编译开关</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_BUILD_EXAMPLES</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>是否编译 demo</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_SPDLOG_EXTERNAL</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>是否使用系统自带的 spdlog 安装包</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_ZIP_MODEL</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>是否使用 zip 格式的 sdk 目录</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_COVERAGE</td>
|
||
<td>{ON, OFF}</td>
|
||
<td>OFF</td>
|
||
<td>额外增加编译选项，以生成代码覆盖率报表</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_TARGET_DEVICES</td>
|
||
<td>{"cpu", "cuda"}</td>
|
||
<td>cpu</td>
|
||
<td>设置目标设备。当有多个设备时，设备名称之间使用分号隔开。 比如，-DMMDEPLOY_TARGET_DEVICES="cpu;cuda"</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_TARGET_BACKENDS</td>
|
||
<td>{"trt", "ort", "pplnn", "ncnn", "openvino", "torchscript", "snpe", "coreml", "tvm"}</td>
|
||
<td>N/A</td>
|
||
<td> <b>默认情况下，SDK不设置任何后端</b>, 因为它与应用场景高度相关。 当选择多个后端时， 中间使用分号隔开。比如，<pre><code>-DMMDEPLOY_TARGET_BACKENDS="trt;ort;pplnn;ncnn;openvino"</code></pre>
|
||
构建时，几乎每个后端，都需设置一些路径变量，用来查找依赖包。<br>
|
||
1. <b>trt</b>: 表示 TensorRT。需要设置 <code>TENSORRT_DIR</code> 和 <code>CUDNN_DIR</code>。
|
||
<pre><code>
|
||
-DTENSORRT_DIR=$env:TENSORRT_DIR
|
||
-DCUDNN_DIR=$env:CUDNN_DIR
|
||
</code></pre>
|
||
2. <b>ort</b>: 表示 ONNXRuntime。需要设置 <code>ONNXRUNTIME_DIR</code>。
|
||
<pre><code>-DONNXRUNTIME_DIR=$env:ONNXRUNTIME_DIR</code></pre>
|
||
3. <b>pplnn</b>: 表示 PPL.NN。需要设置 <code>pplnn_DIR</code>。<br>
|
||
4. <b>ncnn</b>：表示 ncnn。需要设置 <code>ncnn_DIR</code>。 <br>
|
||
5. <b>openvino</b>: 表示 OpenVINO。需要设置 <code>InferenceEngine_DIR</code>。<br>
|
||
6. <b>torchscript</b>: 表示 TorchScript。需要设置<code>Torch_DIR</code>。<br>
|
||
7. <b>snpe</b>: 表示 qcom snpe。需要环境变量设置 SNPE_ROOT。<br>
|
||
8. <b>coreml</b>: 表示 Core ML。目前在进行模型转换时需要设置 <code>Torch_DIR</code>。 <br>
|
||
9. <b>tvm</b>: 表示 TVM。需要设置 <code>TVM_DIR</code>。<br>
|
||
</td>
|
||
</tr>
|
||
|
||
<tr>
|
||
<td>MMDEPLOY_CODEBASES</td>
|
||
<td>{"mmcls", "mmdet", "mmseg", "mmedit", "mmocr", "all"}</td>
|
||
<td>all</td>
|
||
<td>用来设置SDK后处理组件，加载 OpenMMLab 算法仓库的后处理功能。如果选择多个 codebase，中间使用分号隔开。比如，<code>-DMMDEPLOY_CODEBASES="mmcls;mmdet"</code>。也可以通过 <code>-DMMDEPLOY_CODEBASES=all</code> 方式，加载所有 codebase。</td>
|
||
</tr>
|
||
|
||
</tbody>
|
||
</table>
|