在ONNX Runtime中编译iOS静态库的实践指南
2025-05-13 00:24:52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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
724
🎉 (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
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
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
460