gcc编译C++程序后,会生成很多的类似.data._ZNSt17_xxxxxxx的段,为什么?

wumingguoguo 2020-04-29 09:51:50
gcc4.8.1交叉编译C++程序,生成的PowerPC的文件中,会有特别多的类似.data._ZNSt17_timepunct_cacheIcE12_S_timezonesE段,还有类似.bss._ZZN9_gnu_cxx27_verbose_terminate_handlerEvE11terminating段,

而使用gcc3.4.4编译出来的程序,则只有一个.data段或.bss段,而不是很多以.data开头或.bss开头的段。

现在发现的问题是连接脚本中只使用*.bss,会丢失其它bss段,必须用*.bss.*才行。

请问各位专家:
1)gcc4.8.1和gcc3.4.4在生成段方面有什么区别?
2)连接脚本如果只使用*.text,会不会丢失一些text信息? 连接脚本是否必须用*.text.* ?

...全文
645 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
wumingguoguo 2020-05-04
  • 打赏
  • 举报
回复
引用 1 楼 mLee79 的回复:
没啥差别吧, 编译选项加上 -ffunction-sections -fdata-sections 就给每个函数单独命名 text, data, bss 段名, 方便链接脚本精细控制 ...


GCC4.8.1编译C程序没有这种现象。现在没有加这两个选项,在编译C++的时候还是会生成很多独立的段,甚至bss段都有很多,这是和C++有关系吗?

现在的问题是,平时用的连接脚本一般用*.text、*.data、*.bss,而不是用*.text.*、*.data.*、*.bss.*,那么会不会丢失很多信息?
mLee79 2020-04-30
  • 打赏
  • 举报
回复
没啥差别吧, 编译选项加上 -ffunction-sections -fdata-sections 就给每个函数单独命名 text, data, bss 段名, 方便链接脚本精细控制 ...
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。

23,222

社区成员

发帖
与我相关
我的任务
社区描述
Linux/Unix社区 应用程序开发区
社区管理员
  • 应用程序开发区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧