OpenSpiel项目在ARM64架构Mac上的编译问题及解决方案
2025-06-13 22:44:23作者:胡易黎Nicole
问题背景
OpenSpiel是一个由Google DeepMind开发的开源游戏AI研究平台,它包含了多种游戏环境和相关算法实现。近期有开发者在基于ARM64架构的Mac设备上尝试构建OpenSpiel项目时遇到了编译错误,主要问题集中在abseil-cpp库的兼容性上。
错误现象
当开发者按照官方文档的指导执行构建和测试脚本时,系统报告了以下关键错误信息:
clang++: error: unsupported option '-msse4.1' for target 'arm64-apple-darwin24.4.0'
这个错误表明编译器在尝试使用x86架构特有的SSE4.1指令集,而ARM64架构的Mac设备并不支持这一指令集。
根本原因分析
经过深入调查,发现问题的根源在于项目依赖的abseil-cpp库版本过旧。具体来说:
- OpenSpiel项目通过install.sh脚本固定了abseil-cpp的特定版本
- 旧版本的abseil-cpp在随机数生成部分使用了x86架构特有的指令集优化
- ARM64架构的Mac设备(如M1/M2/M3芯片)无法识别这些x86指令集
解决方案
针对这一问题,社区提供了以下解决方案:
1. 更新abseil-cpp版本
修改install.sh脚本,将abseil-cpp的版本更新到较新的commit。具体修改如下:
# 修改前
ABSEIL_COMMIT="f9d1c8a7ffcc096cbe9b5698148adc34525b1b6b"
# 修改后
ABSEIL_COMMIT="20240116.1" # 或更新的稳定版本
2. 清理缓存并重新构建
由于项目使用了缓存机制,仅修改install.sh可能不够,还需要执行以下步骤:
- 删除现有的abseil-cpp目录
- 清除下载缓存(通常位于download_cache子目录)
- 重新运行install.sh脚本
- 执行构建和测试脚本
3. Python环境配置
部分开发者后续遇到了Python测试失败的问题,这通常是由于Python依赖未正确安装导致的。解决方案包括:
- 创建并激活虚拟环境
- 安装requirements.txt中列出的所有依赖
- 重新编译Python扩展模块
pip install --upgrade -r requirements.txt
pip install --no-binary :all: -e .
技术细节
ARM64与x86架构差异
ARM64架构(如Apple Silicon芯片)与传统的x86架构在指令集上有显著差异:
- ARM64使用RISC(精简指令集)架构
- x86使用CISC(复杂指令集)架构
- 特定的SIMD指令(如SSE/AVX)在两种架构上有不同实现
abseil-cpp的优化策略
abseil-cpp作为Google的基础库,在不同平台上采用了针对性的优化:
- 在x86平台上使用SSE/AVX指令集加速随机数生成
- 在ARM平台上使用NEON指令集优化
- 新版库已加入对Apple Silicon的专门支持
最佳实践建议
对于在ARM64 Mac上开发OpenSpiel项目的开发者,建议:
- 始终使用最新稳定版本的依赖库
- 在修改依赖版本后彻底清理构建缓存
- 使用虚拟环境管理Python依赖
- 定期同步上游仓库以获取兼容性修复
结论
通过更新abseil-cpp版本并正确配置构建环境,开发者可以成功在ARM64架构的Mac设备上构建和运行OpenSpiel项目。这一问题的解决也体现了开源社区协作的力量,以及及时更新依赖库的重要性。
随着ARM架构在个人计算设备中的普及,开发者应当更加重视跨平台兼容性问题,确保项目能够在不同架构的设备上顺利运行。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493