Ubuntu14.04 + cocos2d-x 3.8 + netBeans8.1 调试环境搭建(如何调试)

本文详细介绍了在Ubuntu14.04中,通过NetBeans8.1运行及调试Cocos2D-X3.8工程的过程。包括下载最新版本的NetBeans,创建C++工程,使用cmake生成项目,并在Ubuntu环境下进行调试。


markdown 不方便插入图片,就使用了旧版的编辑器。


上一篇文章地址: http://blog.csdn.net/eclipse_c/article/details/49826801 


上文说道在ubuntu 14.04 中编译并运行cocos2d-x 3.8的示例程序,这个文章将介绍如何使用netbeans8.1 运行新创建的c++工程并调试。



到网上搜索了一番之后决定使用netBeans8.1进行开发,在Ubuntu软件中心也可以搜索到netBeans ,但是版本位7,在14.04中无法运行,故要到官网去下载最新的安装包。 


https://netbeans.org/downloads/  


根据你的需求选择合适的版本进行下载,我选择的是C/C++  x64版本的。下载的是一个.sh文件,首先要在终端下将这个文件变为可执行文件。


sudo chmod +x netbeans_the_file_name


然后再运行,就会出现一个windows下熟悉的安装界面了。至此我们安装好了netbeans.


创建一个cocos工程,运行命令

 cocos.py new MyGame -p com.test.mygame -l cpp -d /home/your_file_path


跟windows一样,创建一个新工程。
接下来打开netbeans,选择创建一个C++ 工程,目录选到刚刚创建的cocos项目文件夹(注意是项目文件夹不是proj.linux)
点击选择,netbeans就会自动执行,根据cmake来生成项目。(下图红字提示我已经添加过了)



这个时间也比较长。

在结束之后会生成一个应用程序如图,我为了测试程序能够调试,就在helloworld后面加了个ubuntu,调试要重新build,运行才能看到最新的结果。





数据集可视化效果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本,具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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