MNN项目在鸿蒙系统上的编译问题分析与解决
2025-05-22 00:44:39作者:戚魁泉Nursing
背景介绍
MNN是阿里巴巴开源的一个轻量级高性能神经网络推理引擎,广泛应用于移动端和边缘计算设备。近期有开发者在尝试将MNN项目编译到鸿蒙操作系统(OpenHarmony)时遇到了编译失败的问题。
问题现象
开发者在64位Ubuntu 20.04系统上,使用CMake 3.16尝试为arm64-v8a架构的鸿蒙系统编译MNN时,遇到了两个主要错误:
- CMake无法识别鸿蒙系统,提示需要创建Platform/OHOS配置
- CMake脚本中引用了不存在的tcpkg.cmake文件,以及未知的export_headers命令
问题分析
通过分析错误日志,可以得出以下结论:
-
系统识别问题:CMake目前官方尚未内置对鸿蒙系统的完整支持,因此会提示需要创建Platform/OHOS配置。这实际上是一个警告信息,不会直接影响编译过程。
-
脚本依赖问题:项目中的CMakeLists.txt文件引用了/@ali/tcpkg/tcpkg.cmake文件,这是一个内部路径,显然不适合开源项目使用。同时调用了未定义的export_headers命令。
-
解决方案:这些代码行主要是为阿里巴巴内部打包流程服务的,对于开源用户来说不是必需的,可以直接注释掉。
解决方案
针对这个问题,开发者可以采取以下步骤解决:
- 打开MNN项目中的CMakeLists.txt文件
- 找到第66行和第67行(包含include和export_headers命令的部分)
- 将这些行注释掉,因为这些命令仅用于内部打包流程
- 重新运行编译脚本
深入理解
这个问题反映了开源项目在从企业内部向社区开放过程中常见的一个挑战:内部依赖和流程的特殊性。MNN作为阿里巴巴开源的AI推理引擎,其构建系统可能包含一些为阿里内部CI/CD流程设计的特殊逻辑。
对于开源用户来说,这些内部依赖通常不是必需的,可以安全地移除或注释掉。这也提醒我们,在使用开源项目时,遇到类似的构建问题,可以先检查是否有特定于原公司的内部依赖,并尝试移除这些非必要部分。
最佳实践建议
- 环境隔离:为鸿蒙系统开发时,建议使用官方推荐的开发环境和工具链
- CMake版本:考虑使用更新的CMake版本,可能对鸿蒙系统有更好的支持
- 项目维护:如果是长期在鸿蒙上使用MNN,可以考虑fork项目并维护一个鸿蒙专用的分支
- 错误排查:遇到CMake错误时,优先检查CMakeCache.txt和CMakeError.log获取更多信息
总结
在将MNN项目移植到鸿蒙系统时遇到的这个编译问题,本质上是由于构建脚本中包含了对内部工具的依赖。通过注释掉这些非必要的内部依赖代码,开发者可以顺利解决编译问题。这也体现了开源项目在使用过程中可能需要根据实际环境进行适当调整的常见情况。
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
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
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 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 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 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 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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