gcc下载及安装教程

article/2025/11/10 13:01:16

gcc下载及安装教程

作者:白鹿(花名)

注意:请提前获取root权限


1、gcc下载链接:http://ftp.gnu.org/gnu/gcc/gcc-5.1.0/

2、解压相关下载压缩包(此处已提前下载,无需重复下载)

tar xjvf gcc-5.1.0.tar.bz2
  • 相关解压文件目前所停留路径:GPU-3
/home/op/bailu/bak

3、创建安装目录

mkdir /usr/local/gcc-5.1.0/

4、进入安装目录

cd /usr/local/gcc-5.1.0/

5、配置安装文件

/home/op/bailu/bak/gcc-5.1.0/configure --prefix=/usr/local/gcc-5.1.0
  • 潜在BUG说明:配置过程中如果服务器环境中缺少gcc需要的相关依赖则可能出现如下错误,错误示例:

configure: error: in /usr/local/gcc-5.1.0': configure: error: no acceptable C compiler found in $PATH** Seeconfig.log’ for more details.

​ 参考解决方案降低gcc版本安装


configure: error: Building GCC requires GMP 4.2+, MPFR 2.3.1+ and MPC 0.8.0+.
Try the --with-gmp, --with-mpfr and/or --with-mpc options to specify
their locations.

​ 此种情况下需要安装相关的依赖包,相关文件下载链接,下载完成直接rz 到gpu-3即可:

https://gcc.gnu.org/pub/gcc/infrastructure/

特殊说明:由于MPFR依赖GMP,而MPC依赖GMP和MPFR,所以要先安装GMP,其次MPFR,最后才是MPC。这里三个库我用的版本分别是gmp4.3.2,mpfr2.4.2和mpc0.8.1,都放在 /同一目录文件夹下。

相关包解压及安装参考流程, 说明具体目录名称以实际目录为主:

  • 示例:gmp-4.3.2安装(具体目录名称以实际依赖的版本号为主)

1、解包:tar jxvf gmp-4.3.2.tar.bz2

2、创建安装目录:mkdir /usr/local/gmp-4.3.2

3、进入安装文件目录:cd /usr/local/gmp-4.3.2

4、配置安装文件:/服务器目录/gmp-4.3.2/configure --prefix=/usr/local/gmp-4.3.2

5、编译:make

6、执行安装:make install

  • 示例: 安装mpfr2.4.2

1、解包:tar jxvf mpfr2.4.2.tar.bz2

2、创建安装目录:mkdir /usr/local/mpfr-2.4.2

3、进入安装目录:cd /usr/local/mpfr-2.4.2

4、配置安装文件:/服务器目录/mpfr-2.4.2/configure --prefix=/usr/local/mpfr-2.4.2 --with-gmp=/usr/local/gmp-4.3.2

5、编译:make

6、执行安装:make install

  • 示例:安装mpc0.8.1

1、解包:tar jxvf gmpc0.8.1.tar.bz2

2、创建安装目录:mkdir /usr/local/mpc-0.8.1

3、进入安装目录:cd /usr/local/mpc-0.8.1

4、配置安装文件:/服务器目录/mpc-0.8.1/configure --prefix=/usr/local/mpc-0.8.1 --with-gmp=/usr/local/gmp-4.3.2 --with-mpfr=/usr/local/mpfr-2.4.2

5、编译:make

6、执行安装:make install

6、解决5中相关BUG之后继续安装GCC;

  • 示例:安装gcc流程
1、切换到相关安装目录:cd /usr/local/gcc-5.1.0
建议:执行2之前,优先配置相关gcc依赖的环境变量(具体以实际版本号为主):export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/mpc-0.8.1/lib:/usr/local/gmp-4.3.2/lib:/usr/local/mpfr-2.4.2/lib
2、配置安装文件(相关依赖名称以实际依赖版本号为主):/服务器目录/gcc-5.1.0/configure --prefix=/usr/local/gcc-5.1.0 -enable-threads=posix -disable-checking -disable-multilib -enable-languages=c,c++ --with-gmp=/usr/local/gmp-4.3.2 --with-mpfr=/usr/local/mpfr-2.4.2 --with-mpc=/usr/local/mpc-0.8.1
3、编译:make
大概需要1个小时左右
4、执行安装:make install

7、如果不出意外,那么到现在应该安装成功了,不过还是不能使用新版本的gcc,因为新版本的gcc还没有加入命令搜索路径中!

8、建立软链接

sudo ln -s /usr/local/gcc-5.1.0/bin/gcc gcc510
sudo ln -s /usr/local/gcc-5.1.0/bin/g++ g++510

9、添加环境变量

打开/etc目录下的bashrc文件添加如下代码:(具体版本目录以实际依赖为主)
LD_LIBRARY_PATH=:/usr/local/mpc-0.8.1/lib:/usr/local/gmp-4.3.2/lib:/usr/local/mpfr-2.4.2/lib:/usr/local/gcc-5.1.0/libexport LD_LIBRARY_PATH

http://chatgpt.dhexx.cn/article/ctddSyIM.shtml

相关文章

Centos7.5 重启防火墙报错:network.service - LSB: Bring up/down networking

问题: 执行ip addr命令,没有显示出ip地址,并且防火墙重启报错:network.service - LSB: Bring up/down networking 解决办法: systemctl stop NetworkManager systemctl disable NetworkManager systemctl start ne…

Linux——重启防火墙时出现Failed to start firewalld.service: Unit is masked的解决办法

报错如下: 这是因为进程被锁住了。 对它进行解锁就可以了。 执行命令,即可实现取消服务的锁定# systemctl unmask firewalld 我们试一试 好了,现在防火墙已经重新启动了。 注:下次需要锁定该服务时可以输入以下命令行执行 #…

更改linux中的IP地址,关闭重启防火墙

1.查看所用的网卡信息,进行修改 2.修改对应网卡的相关参数 3.重启网卡 service network restart 4.关闭防火墙的两种方式 a.重启后生效 开启: chkconfig iptables on 关闭: chkconfig iptables off b. 即时生效,重启后…

Linux关闭防火墙命令(永久关闭、暂时关闭、重启防火墙)

1:查看防火墙状态 systemctl status firewalldservice iptables status2:暂时关闭防火墙 systemctl stop firewalldservice iptables stop3:永久关闭防火墙 systemctl disable firewalldchkconfig iptables off已永久关闭状态: 4:重启防火墙 systemctl enab…

Linux命令查看和关闭重启防火墙命令

Linux命令查看和关闭防火墙 在外部访问CentOS中部署应用时,需要关闭防火墙。 1:进入/etc/init.d/目录,查看防火状态 cd /etc/init.d/systemctl status firewalld启动状态:关闭状态:2:暂时关闭防火墙systemctl stop firewalld3:永…

linux中配置后重启的命令是什么,Linux系统怎么用命令重启防火墙

Linux系统下如果我们关闭了防火墙或者防火墙出现某些故障时候,我们需要重新启动,那么怎么用命令实现呢?下面由学习啦小编为大家整理了Linux系统重启防火墙命令的详细说明,希望对大家有帮助! Linux系统重启防火墙命令的详细说明 一.Linux下开…

使用ResNet18实现CIFAR10数据集的训练

如果对你有用的话,希望能够点赞支持一下,这样我就能有更多的动力更新更多的学习笔记了。😄😄 使用ResNet进行CIFAR-10数据集进行测试,这里使用的是将CIFAR-10数据集的分辨率扩大到32X32,因为算力相关的…

resnet18实现cifar10分类

实验步骤 搭建resnet18网络 数据集加载 模型训练和改进 分析评估 Kaggle提交 网络构建 实验初期拟采用torchvision中实现的resnet18作为网络结构,为了方便修改网络结构,于是重新实现了resnet18网络 resnet18由一个7x7的降采样卷积,一个max pooling层,8个basicblock…

resnet18 结构

可以看到 在fc 层之前的一层是avgpool 层 其实就是卷积 只有alenet 才是3个全连接吧

【深度学习】基于PyTorch搭建ResNet18、ResNet34、ResNet50、ResNet101、ResNet152网络

一、使用PyTorch搭建ResNet18网络并使用CIFAR10数据集训练测试 1. ResNet18网络结构 所有不同层数的ResNet: 这里给出了我认为比较详细的ResNet18网络具体参数和执行流程图: 2. 实现代码 这里并未采用BasicBlock和BottleNeck复现ResNet18 具体ResN…

【Pytorch项目实战】之ResNet系列:resnet18、resnet34、resnet50、resnet101、resnet152

文章目录 一、项目思路二、源码下载(1)网络模型:resnet.py(2)附属代码1:_internally_replaced_utils.py(3)附属代码2:utils.py 三、源码详解3.1、导入模块3.2、API接口&a…

Tensorflow2.0使用Resnet18进行数据训练

在今年的3月7号,谷歌在 Tensorflow Developer Summit 2019 大会上发布 TensorFlow 2.0 Alpha 版,随后又发布了Beta版本。 Resnet18结构 Tensorflow搭建Resnet18 导入第三方库 import tensorflow as tf from tensorflow import keras from tensorflow.k…

resnet 18 实现

一、残差块 让我们聚焦于神经网络局部:如图7.6.2所示,假设我们的原始输入为x,而希望学出的理想映射为f(x)(作为 图7.6.2上方激活函数的输入)。 图7.6.2左图虚线框中的部分需要直接拟合出该映射f(x),而右图…

ResNet18复现

ResNet18的网络架构图 首先将网络分为四层(layers),每层有两个模块组成,除了第一层是两个普通的残差块组成,其它三层有一个普通的残差块和下采样的卷积块组成。输入图像为3x224x224格式,经过卷积池化后为64…

ResNet18和ResNet50的keras实现

注意低版本的keras对一些包的引用方式跟高版本有区别,注意看章节1的代码注释部分。 TensorFlow跟Keras也有版本的对应关系,https://master–floydhub-docs.netlify.app/guides/environments/。 例如: 1.ResNet18 ResNet18 from tensorfl…

【学习笔记】resnet-18 pytorch源代码解读

目录 ResNet-18网络结构简图ResNet-18的代码结构残差块结构ResNet类构造方法和forward_make_layer方法 完整的ResNet-18结构图 使用的resnet-18的源代码来源于 PyTorch1.0, torchvision0.2.2 ResNet-18网络结构简图 ResNet(Residual Neural Network&a…

ResNet18详细原理(含tensorflow版源码)

ResNet18原理 ResNet18是一个经典的深度卷积神经网络模型,由微软亚洲研究院提出,用于参加2015年的ImageNet图像分类比赛。ResNet18的名称来源于网络中包含的18个卷积层。 ResNet18的基本结构如下: 输入层:接收大小为224x224的RG…

resnet18

前言 在前篇vgg16之后,无法成功训练vgg16,发现是自己电脑可用的显存太低了,遂放弃。 在2015 ILSVRC&COCO比赛中,何恺明团队提出的Resnet网络斩获第一,这是一个经典的网络。李沐说过,如果要学习一个CNN网…

ResNet18网络的具体构成

一、基础 RetNet网络的基础是残差块。 以下是原始论文所给出的最基础的残差块。后续可以对单残差块进行处理,如加入池化,批量化归一等各种操作。 二、最基本的的ResNet18 ResNet18的基本含义是,网络的基本架构是ResNet,网络的深…

【神经网络】(10) Resnet18、34 残差网络复现,附python完整代码

各位同学好,今天和大家分享一下 TensorFlow 深度学习中如何搭载 Resnet18 和 Resnet34 残差神经网络,残差网络利用 shotcut 的方法成功解决了网络退化的问题,在训练集和校验集上,都证明了的更深的网络错误率越小。 论文中给出的具…