首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

/usr/bin/ld:找不到-lboost_python-py34

/usr/bin/ld:找不到-lboost_python-py34是一个编译错误,通常出现在使用C++编译器时,编译器无法找到所需的库文件-lboost_python-py34。

解决这个问题的方法是确保系统中已经安装了名为boost_python-py34的库,并且该库的路径正确配置。可以通过以下步骤解决该问题:

  1. 确认系统中是否已经安装了boost_python-py34库。可以使用以下命令来检查:
  2. 确认系统中是否已经安装了boost_python-py34库。可以使用以下命令来检查:
  3. 如果库未安装,可以通过以下命令来安装:
  4. 如果库未安装,可以通过以下命令来安装:
  5. 如果库已经安装,但是编译器无法找到该库,可能是库文件路径未正确配置。可以通过以下方式来配置库文件路径:
    • 在编译命令中添加库文件路径参数,例如:
    • 在编译命令中添加库文件路径参数,例如:
    • 设置环境变量LD_LIBRARY_PATH,将库文件路径添加到其中。例如:
    • 设置环境变量LD_LIBRARY_PATH,将库文件路径添加到其中。例如:
  • 如果以上方法仍然无法解决问题,可能是库文件损坏或者版本不匹配。可以尝试重新安装库文件或者使用其他版本的库文件。

总结: /usr/bin/ld:找不到-lboost_python-py34是一个编译错误,表示编译器无法找到名为boost_python-py34的库文件。解决该问题的方法是确认库文件是否已安装,配置正确的库文件路径,并确保库文件完整和版本匹配。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • python基础6

    *******************             *  异常处理与调式         *             ******************* ***常见错误:*** 1) 名字没有定义,NameError In [1]: print a --------------------------------------------------------------------------- NameError                                 Traceback (most recent call last) <ipython-input-1-9d7b17ad5387> in <module>() ----> 1 print a NameError: name 'a' is not defined 2) 分母为零,ZeroDivisionError In [2]: 10/0 --------------------------------------------------------------------------- ZeroDivisionError                         Traceback (most recent call last) <ipython-input-2-242277fd9e32> in <module>() ----> 1 10/0 ZeroDivisionError: integer division or modulo by zero 3) 文件不存在,IOError In [3]: open("westos") --------------------------------------------------------------------------- IOError                                   Traceback (most recent call last) <ipython-input-3-2778d2991600> in <module>() ----> 1 open("westos") IOError: [Errno 2] No such file or directory: 'westos' 4) 语法错误,SyntaxError In [4]: for i in [1,2,3]   File "<ipython-input-4-ae71676907af>", line 1     for i in [1,2,3]                     ^ SyntaxError: invalid syntax 5) 索引超出范围,IndexError In [5]: a = [1,2,3] In [6]: a[3] --------------------------------------------------------------------------- IndexError                                Traceback (most recent call last) <ipython-input-6-94e7916e7615> in <module>() ----> 1 a[3] IndexError: list index out of range In [7]: t =(1,2,3) In [8]: t[3] --------------------------------------------------------------------------- IndexError                                Traceback (most recent call last) <ipython-input-8-7d5cf04057c5> in <module>() ----> 1 t[3] IndexError: tuple index out of range In [9]: t[1:9]            ###切片的时候,若超出范围,则默认为全部,不报错 Out[9]: (2, 3) ####python异常处理机制:try......except......finally###### 例: #!/usr/bin/env python #coding:utf-8 try:                ###将可能发生错误的部分放在try下###     print "staring......"     li = [1,2,3]     print a     pri

    02

    TensorRT安装及使用教程「建议收藏」

    一般的深度学习项目,训练时为了加快速度,会使用多 GPU 分布式训练。但在部署推理时,为了降低成本,往往使用单个 GPU 机器甚至嵌入式平台(比如 NVIDIA Jetson)进行部署,部署端也要有与训练时相同的深度学习环境,如 caffe,TensorFlow 等。由于训练的网络模型可能会很大(比如,inception,resnet 等),参数很多,而且部署端的机器性能存在差异,就会导致推理速度慢,延迟高。这对于那些高实时性的应用场合是致命的,比如自动驾驶要求实时目标检测,目标追踪等。所以为了提高部署推理的速度,出现了很多轻量级神经网络,比如 squeezenet,mobilenet,shufflenet 等。基本做法都是基于现有的经典模型提出一种新的模型结构,然后用这些改造过的模型重新训练,再重新部署。

    04
    领券