博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
gdb调试常用命令
阅读量:4250 次
发布时间:2019-05-26

本文共 1248 字,大约阅读时间需要 4 分钟。

gcc -g  main.c                      //在目标文件加入源代码的信息gdb a.out       (gdb) start                         //开始调试(gdb) n                             //一条一条执行(gdb) step/s                        //执行下一条,如果函数进入函数(gdb) backtrace/bt                  //查看函数调用栈帧(gdb) info/i locals                 //查看当前栈帧局部变量(gdb) frame/f                       //选择栈帧,再查看局部变量(gdb) print/p                       //打印变量的值(gdb) finish                        //运行到当前函数返回(gdb) set var sum=0                 //修改变量值(gdb) list/l 行号或函数名             //列出源码(gdb) display/undisplay sum         //每次停下显示变量的值/取消跟踪(gdb) break/b  行号或函数名           //设置断点(gdb) continue/c                    //连续运行(gdb) info/i breakpoints            //查看已经设置的断点(gdb) delete breakpoints 2          //删除某个断点(gdb) disable/enable breakpoints 3  //禁用/启用某个断点(gdb) break 9 if sum != 0           //满足条件才激活断点(gdb) run/r                         //重新从程序开头连续执行(gdb) watch input[4]                //设置观察点(gdb) info/i watchpoints            //查看设置的观察点(gdb) x/7b input                    //打印存储器内容,b--每个字节一组,7--7组(gdb) disassemble                   //反汇编当前函数或指定函数(gdb) si                            // 一条指令一条指令调试 而 s 是一行一行代码(gdb) info registers                // 显示所有寄存器的当前值(gdb) x/20 $esp                    //查看内存中开始的20个数

转载地址:http://mxkei.baihongyu.com/

你可能感兴趣的文章
谷歌推Tacotron 2,搞定绕口令,效果优于WaveNet
查看>>
Spark 2.1.0 入门:特征抽取–Word2Vec(Python版)
查看>>
[NLP] MXnet与TensorFlow的自然语言处理应用
查看>>
#####@@@#好好好好#####最全知识图谱介绍:关键技术、开放数据集、应用案例汇总
查看>>
MxNet使用总览
查看>>
DL4NLP —— seq2seq+attention机制的应用:文档自动摘要(Automatic Text Summarization)
查看>>
QA问答系统中的深度学习技术实现
查看>>
NLP专题论文解读:从Chatbot、NER到QA系统...
查看>>
端到端的TTS深度学习模型tacotron(中文语音合成)
查看>>
神经网络在关系抽取中的应用
查看>>
大规模知识图谱的构建、推理及应用
查看>>
揭秘 DeepMind 的关系推理网络
查看>>
概率图模型(PGM)模式推断与概率图流
查看>>
MySQL中REGEXP正则表达式使用大全
查看>>
ArangoDB、Neo4j、OrientDB单机性能比较
查看>>
MFCC(Mel 倒谱系数)
查看>>
python2代码批量转为python3代码
查看>>
贝叶斯优化: 一种更好的超参数调优方式
查看>>
Tensorflow 多任务学习 概念介绍
查看>>
Keras 多任务实现,Multi Loss #########Keras Xception Multi loss 细粒度图像分类
查看>>