当前位置:首页 > 文章列表 > Golang > Go问答 > 安装 “evq/色度” 的 GO API 失败

安装 “evq/色度” 的 GO API 失败

来源:stackoverflow 2024-03-15 18:27:33 0浏览 收藏

在安装 evq/chromaticity GO API 时遇到错误,原因是缺乏有关如何构建项目的文档。根目录的 Makefile 文件中生成的 static/static.go 文件未提交到存储库,需要安装 go-bindata 并运行 make 命令才能生成。在 Windows 系统中,需要解决在 Windows 中运行 Makefile 的问题。

问题内容

我正在尝试在自己的机器上安装色度进行测试,无论我做什么,我总是会遇到此图片安装错误中看到的错误 我不知道为什么会发生这种情况,我尝试搜索,但在网上什么也没找到。我的问题是有谁知道为什么会发生?或者可以指出我正确的方向吗?我检查了文件夹,是的,里面没有 GO 文件,但我不明白为什么这是一个问题

API 可以在这里找到:https://github.com/evq/chromaticity


解决方案


这不是项目的问题(如错误),而是由于缺乏有关如何构建项目本身的文档而导致的问题。

如果您查看根目录中的 makefile 文件,您会注意到 static/static.go 是作为构建过程的一部分生成的文件。此类文件通常不会提交到存储库,因此您需要自己构建它。为此,您需要安装 go-bindata。

为了成功构建项目,您需要执行以下操作:

  1. 获取go-bindata包

    go get -u github.com/jteeuwen/go-bindata/...
  2. 获取项目

    go get github.com/evq/chromaticity
  3. 进入项目根目录

    cd [...the chromaticity project root..]
  4. 运行make生成static/static.go文件

    make
  5. 构建/安装项目

    go install

更新:

从您的屏幕截图中注意到您正在使用 windows,在这种情况下,您可能需要解决在 windows 中运行 makefile 的问题。请参阅此处了解可能的解决方案:How to run a makefile in Windows?

我在尝试“获取”然后安装此项目时遇到了同样的问题。我查看了代码,在 github.com/evq/chromaticity/static 中没有 asset() 函数的踪迹。此外,git 历史记录在 static/ 目录中不显示任何 .go 文件。就我个人而言,我会在项目中创建问题和/或寻找包含所需功能的不同存储库。

以上就是《安装 “evq/色度” 的 GO API 失败》的详细内容,更多关于的资料请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
在Golang中创建SqsEvent记录的初始化在Golang中创建SqsEvent记录的初始化
上一篇
在Golang中创建SqsEvent记录的初始化
从 GitHub Enterprise 中使用 go-git 克隆仓库
下一篇
从 GitHub Enterprise 中使用 go-git 克隆仓库
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    286次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    339次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    339次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    304次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    126次使用