在ONNX Runtime中编译iOS静态库的实践指南
2025-05-13 21:22:14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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253