goos、goarch、cgo_enabled三参数必须同步配对，仅设goarch=arm64无效；goos=linux需显式指定，goarch须与芯片架构严格一致（如arm64≠armv7），cgo_enabled=0得纯静态二进制，=1则必须配套目标平台交叉工具链及依赖库。
GOOS/GOARCH/CGO_ENABLED 三参数必须同步配对
边缘视频流处理不能只设 GOARCH=arm64 就完事。树莓派 4B、Jetson Orin 等设备跑不起来，八成是这三个环境变量没对齐：
-
GOOS=linux—— 必须显式指定，不能依赖默认值 -
GOARCH=arm64（或arm）—— 和目标芯片架构严格一致，arm64≠armv7 -
CGO_ENABLED=0或1—— 不是可选项，是决策点：选0得纯静态二进制，选1则必须配套交叉工具链
常见错误：standard_init_linux.go:228: exec user process caused: no such file or directory，本质是动态链接失败。比如你设了 CGO_ENABLED=1 编译出带 libc 依赖的二进制，但目标系统用的是 musl（如 Alpine），就直接报这个错。
GPU 加速需 CGO_ENABLED=1 + 对应平台 GCC 工具链
OpenCV CUDA、FFmpeg NVENC、ONNX Runtime 的 cuDNN 后端，全依赖 C/C++ 层调用。Golang 本身不认 GPU，靠 CGO 桥接。所以：
- 必须设
CGO_ENABLED=1 - 必须安装对应平台的交叉 GCC：ARM 设备用
aarch64-linux-gnu-gcc，x86_64 带 NVIDIA GPU 用gcc+nvidia-cuda-toolkit - Go build 时要加
-ldflags="-extldflags '-static-libgcc -static-libstdc++'"避免运行时缺 libstdc++.so
Jetson Orin 上跑 go-face + CUDA 推理，不装 libcuda1 和 libcudnn8 运行时包，cudaGetDeviceCount 就返回 -1；但这些库又不能静态链接，只能确保目标系统已预装。
Go语言（Golang）1.26.0版本提供 Go 官方 Windows amd64 MSI 安装包下载入口，版本号 1.26.0，可用于旧项目维护、兼容性测试和指定版本开发环境配置。
Livego / GoCV / ONNX Runtime 的编译差异
不同视频处理库对 CGO 和 GPU 的依赖程度不同，不能一概而论：
-
livego：原生纯 Go，无 CGO 依赖，但启用NVENC转码需 patch 其ffmpeg调用逻辑，并设CGO_ENABLED=1+PKG_CONFIG_PATH指向交叉编译的 ffmpeg.pc -
gocv.io/x/gocv：强制依赖 OpenCV，必须CGO_ENABLED=1，且 OpenCV 本身得用-D CMAKE_TOOLCHAIN_FILE交叉编译出 aarch64 版本，否则go build直接找不到libopencv_core.so -
onnxruntime-go：若用 CUDA EP，需在构建时传-tags cuda，且 host 机器必须装对应版本的cudnn.h和cuda.h，否则#include <cuda.h></cuda.h>报错
一个典型坑：在 x86_64 主机上用 GOARCH=arm64 CGO_ENABLED=1 编译 gocv，却忘了先交叉编译 OpenCV —— 此时 go build 会去本地 /usr/lib 找 x86_64 的 .so，链接失败，错误信息里根本不会提“架构不对”，只报 undefined reference to cv::VideoCapture::open 这类符号缺失。
容器化部署时 GPU 设备节点与权限问题
Docker run 时加 --gpus all 不等于 GPU 就能用。Golang 进程能否调用 cudaMalloc，取决于三件事同时满足：
- 宿主机已装 NVIDIA Container Toolkit，且
docker info显示Runtimes: nvidia - 容器内有
/dev/nvidiactl、/dev/nvidia-uvm、/dev/nvidia0这些设备节点（--device或--gpus自动挂载） - Golang 可执行文件在容器内以非 root 用户运行时，该用户必须在
video组里（否则open(/dev/nvidia0): permission denied）
JetPack 6.0 的 Ubuntu 22.04 容器镜像里，nvidia-smi 能跑不代表你的 Go 程序能跑 —— 因为 nvidia-smi 是 NVIDIA 提供的静态二进制，而你的程序是动态链接的，还得看 libc 版本和 CUDA runtime 是否匹配。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
