NDK问题 之一: Javah 生成.h文件

简介:
 作为学习NDK的第一步,总是困难丛丛啊。生成.h文件是,总是提示“类找不到”,或者“无法访问android.app.activity”,好伤心啊。

   痛定思痛,还是整理了一下思路,解决问题要紧。
   首先执行的是 javah +包名.类名 , 先确保“javah”是没问题的。 我查了一下,我的javah是jdk1.6的,而Eclipse的jdk则是jdk1.7的,原来我电脑装了两个jdk。。。晕死啊
   其次把电脑环境变量的classpath删掉。这个暂时不知道为啥。 。现象就是没删之前--找不到,删掉后--就找到了。
   确保上面两步之后,出现的问题变成了“无法访问android.app.activity”。出现的错误的信息变了,~ 网上一查。是引导类的问题,就是javah -help 中所提到的“-bootclasspath”的作用了。
   cd到项目路径,执行 :  javah -classpath bin/classes -bootclasspath D:\Environment\android-sdk-windows\android-sdk-windows\platforms\android-17\android.jar  -d jni com.example.test.MainActivity . 










本文转自里冲51CTO博客,原文链接: http://blog.51cto.com/coollast/1169607 ,如需转载请自行联系原作者




相关文章
|
Dubbo JavaScript 前端开发
可视化Dubbo测试工具iubbox 2.0版本发布啦
可视化Dubbo测试工具iubbox 2.0版本发布啦
806 0
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch学习笔记(二):nn.Conv2d()函数详解
这篇文章是关于PyTorch中nn.Conv2d函数的详解,包括其函数语法、参数解释、具体代码示例以及与其他维度卷积函数的区别。
2762 0
Pytorch学习笔记(二):nn.Conv2d()函数详解
|
前端开发 JavaScript 开发工具
Vite 4.0 发布,下一代的前端工具链
【10月更文挑战第21天】Vite 4.0 的发布标志着前端开发领域的又一次重要进步。它为开发者带来了更高效、更智能、更具创新性的开发体验,正逐渐成为下一代前端工具链的引领者。
349 61
|
10月前
|
监控 JavaScript 数据可视化
建筑施工一体化信息管理平台源码,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
智慧工地云平台是专为建筑施工领域打造的一体化信息管理平台,利用大数据、云计算、物联网等技术,实现施工区域各系统数据汇总与可视化管理。平台涵盖人员、设备、物料、环境等关键因素的实时监控与数据分析,提供远程指挥、决策支持等功能,提升工作效率,促进产业信息化发展。系统由PC端、APP移动端及项目、监管、数据屏三大平台组成,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
386 7
|
Linux 测试技术 Docker
软件测试|使用docker搞定 Python环境搭建
软件测试|使用docker搞定 Python环境搭建
|
人工智能 云计算
剧透:巴黎奥运会用上了AI转播
阿里云AI增强技术登场。
346 8
剧透:巴黎奥运会用上了AI转播
|
Linux 数据安全/隐私保护 C++
如何使用Cython对python脚本加密成pyd/so
如何使用Cython对python脚本加密成pyd/so
594 0
如何使用Cython对python脚本加密成pyd/so
|
前端开发 Java 数据库连接
Mybatis ResultMap多表映射DTO
解决问题:n+1问题,之前我的习惯是拿到单表里面的数据,然后遍历,再拿到一个与其他表对应的逻辑上的外键,然后for循环去查找其他表的数据(原因是数据量小,没有在意,还有主要是不想建外键,你知道的,外键是很麻烦的,虽然有利于查询,但是增删改确实很让人头疼),这样做也能达到效果,但是效率低,访问数据库的次数也太多了,假设我查询出了1000条数据,我要用他里面的逻辑外键去查找其他表1000次,就意味着访问数据1000次,这样做还会遇到一些问题,若当前的逻辑外键查找在对应的表里面没有数据,就会抛出异常,从程序出错
314 1
|
并行计算 PyTorch Docker
LLaMA-Factory 基于docker的大模型多卡分布式微调
LLaMA-Factory是微调工具,包含Dockerfile和train.sh脚本,适用于多卡训练。Dockerfile基于nvidia/cuda:12.1.0镜像,安装Python 3.10、PyTorch 2.2.0、transformers等库。train.sh运行Docker容器,使用accelerate launch进行训练,参数包括模型路径、学习率、优化器设置等。注意使用--shm-size 32G --gpus all,并可选启用unsloth加速。默认配置文件设定了分布式训练和混合精度BF16。
3841 1
|
机器学习/深度学习 数据可视化 Python
NumPy 均匀分布模拟及 Seaborn 可视化教程
本文介绍了均匀分布和逻辑分布。均匀分布是连续概率分布,所有事件在指定范围内有相等概率发生,常用于随机数生成。其概率密度函数为 `f(x) = 1/(b-a)`,其中 a 和 b 分别为下限和上限。NumPy 的 `random.uniform()` 可生成均匀分布的随机数。Seaborn 可用于可视化分布。文中还提供了练习及解决方案,包括生成不同范围的均匀分布随机数、比较分布形状变化及模拟抛硬币实验。逻辑分布则常用于 S 形增长现象的建模,其 PDF 为 `(scale / (π (1 + (x - loc) / scale)^2))`,由位置参数 loc 和尺度参数 scale 定义。
286 0