py与c++

你这个状态太正常了——Python 和 C++ 的“运行”是两个完全不同的世界。我刚从 Python 切过来时，也被 build system 绕晕过。现在你不需要深入懂 Makefile 和 CMake 的全部原理，但必须掌握最基本的命令行编译，而不是依赖 IDE 的“播放按钮”。

这对你后续编译 NCNN、ONNX Runtime 源码，做性能测试、写 benchmark 极其关键。我做了一个对比，帮你快速转换思维方式：

一个文件时的等价操作

Python 的心智模型：写完了，直接跑。

python my_script.py

C++ 的心智模型：编译（把代码变成机器能执行的二进制文件）→ 执行。

比如你有 main.cpp：

# 1. 编译
g++ main.cpp -o my_program -std=c++17
# 这个命令的意思是：用g++编译器，把main.cpp编译(-c是只编译不链接，这里是编译+链接)成可执行文件my_program，使用c++17标准

# 2. 运行
./my_program

多个文件时的等价操作

Python：拆成 utils.py 和 main.py，import 就能用。

C++：比这复杂，但因为编译和链接是两个独立步骤。

# 你的项目结构
my_project/
├── main.cpp        # 有main函数
├── tensor.cpp      # 实现了Tensor类
└── tensor.h        # 声明了Tensor类

编译过程是这样的：

# 步骤1：分别编译每个 .cpp 文件，生成 .o 文件（目标文件）
g++ -c main.cpp -o main.o -std=c++17      # -c 是“只编译，不链接”
g++ -c tensor.cpp -o tensor.o -std=c++17  # 每个.o文件包含本文件的机器码，但“悬空”的函数调用还没填上地址

# 步骤2：把所有 .o 文件“链接”成一个可执行文件，把函数调用地址都填好
g++ main.o tensor.o -o my_program

在你之前看到的 make 背后，Makefile 文件里就是把这些编译链接步骤自动化了（哪个文件改了才重编译，哪个先编译，哪个后编译）。这一步是先有个感性认识，后面用到自然就懂了。

现代C++的Python化体验：CMake

手动 g++ main.o tensor.o … 一旦文件多了就疯掉。CMake 就是 C++ 世界的构建“管理器”，帮你生成 Makefile（或其他构建脚本）。你甚至可以把它理解为 C++ 版的虚拟环境 + 依赖管理 + 打包工具。

一个最简单的 CMakeLists.txt 长这样：

cmake_minimum_required(VERSION 3.10)  # 声明CMake最低版本
project(MyTensorDemo)                 # 项目名

# 设置C++标准为17，并且要求编译器必须支持
set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 这就是你的“源代码文件”，添新文件就往里加
add_executable(my_demo main.cpp tensor.cpp)

使用方法是：

# 你的习惯：python xxx.py
# 现在：在项目根目录下执行
mkdir build && cd build  # 标准做法，把所有编译产物隔离在build目录
cmake ..                 # 让CMake读取上级目录的CMakeLists.txt，生成Makefile
make                     # 根据生成的Makefile实际编译
./my_demo                # 运行你的程序

这里有一个关键的心智转变：

· Python 是解释型，你运行的是 .py 文件，改完代码直接运行就生效。
· C++ 是编译型，你运行的是 build/ 目录里生成的二进制文件。改代码后，必须重新 make 才能生效。

调试习惯的降维打击

习惯了 Python 的 print() 和 pdb 交互式调试，到 C++ 这里最难受的就是不能运行到一半停下来随便打印对象。

但 C++ 有更好用的东西：真正的、能看内存、看汇编的调试器。

在 macOS/Linux 下用 lldb，Windows 下用 Visual Studio 内置的调试器。推荐你先在 VS Code 里配好调试环境，这样：

在 main.cpp 某行左侧点一下，设置断点（小红点）
按 F5 启动调试
程序运行到断点自动停下，你可以：
· 看变量当前值（甚至二维数组、vector 的内容）
· 查看调用栈（谁调用了当前函数）
· 单步执行（F10 逐行，F11 进入函数内部）

这对你后续阅读 NCNN 源码至关重要——你可以亲手运行一个卷积，然后单步进入 convolution_arm.cpp，亲眼看见数据在寄存器里怎么流、怎么被 SIMD 指令处理。

本周行动建议

花一小时，脱离 IDE 的播放按钮，用下面这个流程跑起来：

打开 VS Code，新建一个文件夹
写一个 main.cpp，里面就实现一个二维数组的矩阵乘法（60行代码量级）
使用 CMake + 命令行编译运行，在终端看到结果
配置 F5 调试，在关键循环里设断点，查看变量值

做完这一步，你就拥有了编译优化工程师最基础的肌肉记忆：改代码 → 编译 → 运行 → 设断点观察 → 改代码。这个循环是后面所有 SIMD 优化、内存布局调整的核心工作流。

环境确认一下：你目前在 Windows 上用 Visual Studio，还是在 macOS/Linux 上用其他工具？我可以给你一个针对你环境的、能复制粘贴就能跑通的 CMake 示例。

评论