TeaVM的samples/benchmark范例运行办法

简介: TeaVM的samples/benchmark范例运行办法

编译打包成功之后:


第一种方式

进入目录samples/benchmark/target/teavm-samples-benchmark-0.6.0-SNAPSHOT,把index.html拖入浏览器中,界面如下:

image.png



 前两个可以进行测试对比。


第二种方式

这种方式,0.6.0是无法运行的,需要0.5.0。


 比如说,samples目录下有个benchmark,其中的Readme.md内容如下:


Compares the speed of execution on a complex JBox2D CPU extensive computation. JavaScript produced by TeaVM and GWT can be compared by running
$ mvn clean install
then just open the generated HTML versions
$ open target/teavm-samples-benchmark-*-SNAPSHOT/index.html 
In addition to that one can run the same demo with classical HotSpot virtual machine. Just try:
$ mvn -Pfx exec:java

 看着有点怪异是不?吾先进行编译动作:

cd samples/benchmark
$ mvn -Pfx exec:java

 结果如下:


image.png


第三种方式

直接把teavm-wasm.html拖入浏览器。结果不能运行。


需要把目录复制到tomcat下,启动tomcat,通过WEB访问。这个0.6.0是无法运行的,必须是0.7.0或master。

目录
相关文章
|
6月前
|
测试技术 KVM 开发工具
【OS Pintos】Pintos 内核库基本数据结构 | 运行测试用例 alarm-multiple
【OS Pintos】Pintos 内核库基本数据结构 | 运行测试用例 alarm-multiple
74 0
|
4月前
|
索引
yolov5--detect.py --v5.0版本-最新代码详细解释-2021-6-29号更新
yolov5--detect.py --v5.0版本-最新代码详细解释-2021-6-29号更新
45 0
yolov5--detect.py --v5.0版本-最新代码详细解释-2021-6-29号更新
|
4月前
yolov5--datasets.py --v5.0版本-数据集加载 最新代码详细解释2021-7-5更新
yolov5--datasets.py --v5.0版本-数据集加载 最新代码详细解释2021-7-5更新
63 0
|
4月前
|
机器学习/深度学习 索引
yolov5--loss.py --v5.0版本-最新代码详细解释-2021-7-1更新
yolov5--loss.py --v5.0版本-最新代码详细解释-2021-7-1更新
88 0
|
7月前
|
前端开发 芯片 Python
【python脚本】ICer的脚本入门训练——gen_tc
【python脚本】ICer的脚本入门训练——gen_tc
|
机器学习/深度学习 测试技术 TensorFlow
dataset.py代码解释
这段代码主要定义了三个函数来创建 TensorFlow 数据集对象,这些数据集对象将被用于训练、评估和推断神经网络模型。
|
机器学习/深度学习 数据采集 搜索推荐
training.py的代码解释
labels、test_loss_op 和 mae_ops 计算模型的性能指标。最后,我们输出当前 epoch 的训练损失、测试损失和平均绝对误差(MAE),并保存模型参数(如果 MAE 小于 0.9)。 整个代码的目的是使用协同过滤算法建立电影推荐系统的模型,训练模型并计算模型的性能指标。
|
机器学习/深度学习 搜索推荐 TensorFlow
inference.py的代码解释
这是一个 Python 脚本,它用于导出经过训练的模型,使其可以在生产环境中进行推理。该脚本首先使用 TensorFlow 的 flags 定义了一些参数,如模型版本号、模型路径、输出目录等等。然后,它创建了一个名为 inference_graph 的 TensorFlow 图,并定义了一个 InferenceModel,该模型用于从输入数据中推断评级。
352 0
|
存储 搜索推荐 Java
preprocess_data.py代码解释
循环遍历每个用户,对于每个用户,提取其对电影的评分。 创建一个与所有电影数量相同的评分数组,将相应的评分放置在数组的正确位置。 如果该用户没有评分电影,则跳过该用户。 返回所有用户的评分数组列表。
169 0
|
机器学习/深度学习 Python
【错误记录】PyCharm 运行 Python 程序报错 ( PEP 8: E402 module level import not at top of file )
【错误记录】PyCharm 运行 Python 程序报错 ( PEP 8: E402 module level import not at top of file )
2941 0
【错误记录】PyCharm 运行 Python 程序报错 ( PEP 8: E402 module level import not at top of file )