OpenSpiel项目在ARM64架构Mac上的编译问题及解决方案
2025-06-13 20:29:17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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781