解决办法:fatal error: SDL.h: 没有那个文件或目录

简介: 解决办法:fatal error: SDL.h: 没有那个文件或目录

错误

 这个错误是编译ffmpeg产生的。错误如下:


libavdevice/sdl2.c:26:10: fatal error: SDL.h: 没有那个文件或目录
 #include <SDL.h>

解决办法一

apt install libsdl2-dev
# apt install libsdl1.2-dev

解决办法二

 这种情形是自己编译的。编辑ffbuild/common.mak,修改如下:


# NASM requires -I path terminated with /
IFLAGS     := -I/home/quantum6/lib-build/include/SDL2 -I. -I$(SRC_LINK)/

具体路径因人而异要自己修改。

目录
相关文章
|
数据挖掘
跟着 Nature 学作图 | 相关性热图(显示相关性散点图)
跟着 Nature 学作图 | 相关性热图(显示相关性散点图)
1246 0
|
存储 Java 开发工具
【Git】Git报错:This repositorysize xxMB, exceeds 1024.00 MB.
Git报错:This repositorysize xxMB, exceeds 1024.00 MB. 错误原因:这个版本库(包括wiki)大小为xxxx MB,超过了1024.00 MB。 如何解决呢?
844 0
ly~
|
Ubuntu Linux C语言
SDL 图形库安装常见错误及解决方法
SDL(Simple DirectMedia Layer)图形库安装过程中可能会遇到编译错误、运行时错误、依赖库缺失等问题。本文总结了在 Linux 和 Windows 系统上常见的错误及解决方法,包括检查和安装依赖库、配置 SDL 子系统、处理 X11 错误等,帮助用户顺利完成 SDL 的安装和配置。
ly~
2846 8
|
7月前
|
存储 弹性计算 数据可视化
如何在公有云部署UE/Unity实时云渲染推流平台
以阿里云主机为例,介绍如何在公有云上部署Paraverse平行云LarkXR实时云渲染平台,支持UE、Unity等各类引擎开发的三维可视化程序上云,应用于数字孪生、教育虚仿、展览展示、元宇宙及数字人等3D/XR场景中。
|
弹性计算 算法 搜索推荐
活动实践 | 通过函数计算部署ComfyUI以实现一个AIGC图像生成系统
ComfyUI是基于节点工作流稳定扩散算法的新一代WebUI,支持高质量图像生成。用户可通过阿里云函数计算快速部署ComfyUI应用模板,实现个性化定制与高效服务。首次生成图像因冷启动需稍长时间,之后将显著加速。此外,ComfyUI允许自定义模型和插件,满足多样化创作需求。
SDL事件处理以及线程使用(2)
SDL库中事件处理和多线程编程的基本概念和示例代码,包括如何使用SDL事件循环来处理键盘和鼠标事件,以及如何创建和管理线程、互斥锁和条件变量。
237 1
SDL事件处理以及线程使用(2)
|
算法 SoC
在写PWM风扇驱动之前:如何透过FG信号,获取风扇转速?
本文介绍了如何通过PWM风扇的FG信号线获取风扇转速的方法,包括风扇规格的解读、FG信号的公式推导、软件算法的解析,以及在全志H713平台上实现风扇转速获取的驱动代码示例。
2350 2
在写PWM风扇驱动之前:如何透过FG信号,获取风扇转速?
|
Linux
FFmpeg开发笔记(三十四)Linux环境给FFmpeg集成libsrt和librist
《FFmpeg开发实战》书中介绍了直播的RTSP和RTMP协议,以及新协议SRT和RIST。SRT是安全可靠传输协议,RIST是可靠的互联网流传输协议,两者于2017年发布。腾讯视频云采用SRT改善推流卡顿。以下是Linux环境下为FFmpeg集成libsrt和librist的步骤:下载安装源码,配置、编译和安装。要启用这些库,需重新配置FFmpeg,添加相关选项,然后编译和安装。成功后,通过`ffmpeg -version`检查版本信息以确认启用SRT和RIST支持。详细过程可参考书中相应章节。
485 1
FFmpeg开发笔记(三十四)Linux环境给FFmpeg集成libsrt和librist
|
机器学习/深度学习 传感器 编解码
2023最新 | 单目深度估计网络结构的通用性研究
单目深度估计已经被广泛研究,最近已经报道了许多在性能上显著改进的方法。然而,大多数先前的工作都是在一些基准数据集(如KITTI数据集)上进行评估的,并且没有一项工作对单目深度估计的泛化性能进行深入分析。本文深入研究了各种骨干网络(例如CNN和Transformer模型),以推广单目深度估计。首先,评估了分布内和分布外数据集上的SOTA模型,这在网络训练期间从未见过。然后,使用合成纹理移位数据集研究了基于CNN和Transformer的模型中间层表示的内部属性。通过大量实验,观察到transformer呈现出强烈的形状偏差,而CNN具有强烈纹理偏差。
2023最新 | 单目深度估计网络结构的通用性研究
|
openCL Linux 异构计算
Linux服务器如何查询GPU型号
【6月更文挑战第13天】Linux服务器如何查询GPU型号
4734 1