Skip to content

Latest commit

 

History

History
82 lines (48 loc) · 3.56 KB

compile4windows.md

File metadata and controls

82 lines (48 loc) · 3.56 KB
Raw

在Windows系统编译LAC

本文档详细介绍如何在Windows上使用Visual Studio和Visual Studio Code 完成LAC的C++ demo 及 Java链接库编译的过程。

1. 环境准备

1. 安装 Visual Studio和Visual Studio Code
2. 下载Paddle相关的依赖库
  • 可于Paddle官网下载已经编译好的Windows预测库（fluid_inference.tgz），选择cpu_avx_mkl或cpu_avx_openblas版本进行下载并解压

2. 编译运行

编译过程使用Visual Studio Code进行，该工具能够帮助我们完成cmake编译等过程，并且在众多系统中表现出较好的兼容性，该流程同样适用于Mac和Linux系统。

1. 在VS Code中安装Cmake相关插件

cmake_install

2. 打开GitHub中clone下来的文件夹

open_lac

3. 设置编译选项
  • 设置PADDLE_ROOT为Windows预测库下载解压后的文件夹路径
  • 若需编译JAVA的链接库，需将WITH_JNILIB选项设为ON，同时设置JAVA_HOME路径，如下图所示
  • CMake选择Release模式
  • 编译器选项选择Visual Studio amd64【若无该选项则选择扫描工具包或检查Visual Studio安装情况】

open_lac

4. 执行编译

  • 完成上述步骤后，如果lac目录下已生产build目录，先删除该build目录，否则option中的选项不会更新

  • 打开CMakeLists.txt，执行保存，会触发CMake构建命令，生产build目录。

  • CMake构建完成后运行生成，既可触发编译

    run_cmake
5. 运行示例

  • 编译完成后，会在build/Release 生成相应的文件产出：

    • lac_demo.exe和lac_multi.exe：lac的单线程和多线程执行程序，从命令行中读取UTF8编码的输入，执行预测
    • lacjni.dll：JAVA调用lac使用的动态库
    • *.dll：运行lac所依赖的算法库，MKLNN库(mklnn.dll、mklml.dll、libiomp5md.dll)或OPENBLAS库（openblas.dll）

  • 下载模型文件：

    在release界面下载模型文件models_general.zip，解压文件夹中包含两个模型

    • seg_model：仅实现分词的模型
    • lac_model：实现分词、词性标注、实体识别于一体的词法分析模型

  • lac_demo.exe和lac_multi.exe运行测试

  • 修改CMD编码为utf8

  • 在命令行中运行以下指令

# 运行测试
./lac_demo.exe <model_dir> 
./lac_multi.exe <model_dir> <thread_num>
# model_dir: 模型文件路径，即上述下载解压后的路径，如 "./models_general/lac_model"
# thread_num: 线程数

  • JAVA调用运行测试

    • 将lacjni.dll和依赖的算法库拷贝到lac/java目录下

    • 在命令行工具中运行测试如下所示

      run_lacjava