在ONNX Runtime中编译iOS静态库的实践指南
2025-05-13 02:52:05作者:钟日瑜
背景介绍
ONNX Runtime是一个高性能的推理引擎,用于在各种平台上运行ONNX模型。在移动端开发中,特别是iOS平台上,开发者经常需要将ONNX Runtime编译为静态库以便集成到自己的应用中。本文将详细介绍如何正确编译ONNX Runtime的iOS静态库,并解决常见的链接问题。
编译iOS静态库
编译ONNX Runtime为iOS静态库需要使用特定的构建脚本参数。以下是一个推荐的编译配置:
./build.sh --ios \
--skip_tests \
--skip_submodule_sync \
--parallel \
--build_dir ./build_ios \
--apple_sysroot iphoneos \
--osx_arch arm64 \
--apple_deploy_target 13.0 \
--cmake_generator Xcode \
--config=MinSizeRel \
--minimal_build \
--build_apple_framework \
--include_ops_by_config=required_operators_ORT.config \
--enable_reduced_operator_type_support \
--cmake_extra_defines CMAKE_CXX_FLAGS="-stdlib=libc++" \
--compile_no_warning_as_error
这个配置做了以下优化:
- 指定iOS平台和arm64架构
- 设置最小部署目标为iOS 13.0
- 使用MinSizeRel配置以减小库体积
- 启用最小化构建,只包含必要的操作符
- 指定使用libc++标准库
输出文件位置
编译完成后,静态库文件不会以传统的.a扩展名出现,而是位于以下路径:
build_ios/MinSizeRel/MinSizeRel-iphoneos/static_framework/onnxruntime.framework/onnxruntime
这个文件实际上就是编译好的静态库,可以直接用于iOS项目集成。
常见链接问题及解决方案
在集成ONNX Runtime静态库时,开发者可能会遇到标准库符号缺失的问题,特别是与C++标准库相关的错误,例如:
undefined symbol: std::__1::basic_streambuf<char, std::__1::char_traits<char>>::~basic_streambuf()
这类问题的根本原因是链接器无法找到C++标准库的实现。解决方案是在项目的链接器标志中显式添加-lc++参数,并且确保这个参数出现在ONNX Runtime库之后。
正确的链接顺序应该是:
- 首先链接ONNX Runtime库
- 然后链接C++标准库
最佳实践建议
-
版本一致性:确保编译时使用的iOS SDK版本与项目目标版本一致,避免兼容性问题。
-
架构支持:如果需要支持多种架构(如arm64和x86_64模拟器),可以考虑使用
lipo工具合并多个架构的静态库。 -
符号冲突:如果项目中使用了其他C++库,注意可能存在的符号冲突问题,必要时可以使用命名空间隔离。
-
调试信息:在开发阶段,可以考虑使用Debug配置编译以获得更详细的错误信息,发布时再切换为MinSizeRel。
-
依赖管理:使用CocoaPods或Swift Package Manager等工具管理ONNX Runtime依赖可以简化集成过程。
通过遵循这些指导原则,开发者可以顺利地将ONNX Runtime集成到iOS项目中,充分利用其强大的模型推理能力。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
215
235
暂无简介
Dart
662
152
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
React Native鸿蒙化仓库
JavaScript
253
320
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++
660
297
🎉 (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
1.18 K
648
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥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
62
19
仓颉编程语言开发者文档。
59
818