Mediapipe项目在Windows平台构建时解决apple_common.multi_arch_split错误
在Windows平台上构建Google开源的Mediapipe项目时,开发者可能会遇到一个与Bazel构建系统相关的错误。这个错误通常表现为构建过程中出现"apple_common.multi_arch_split"字段不存在的提示,导致整个构建过程失败。
这个问题的根源在于Mediapipe项目依赖的build_bazel_rules_apple规则集版本不兼容。build_bazel_rules_apple是Bazel构建系统中专门用于构建Apple平台应用的规则集合,虽然Mediapipe主要不是为Apple平台设计的,但它的某些组件仍然依赖这些规则。
在较新版本的Bazel构建系统中,apple_common模块的结构发生了变化,移除了multi_arch_split字段。这导致在Windows平台上构建Mediapipe时,系统尝试加载这些Apple相关规则时会失败。
解决这个问题的有效方法是手动更新WORKSPACE文件中build_bazel_rules_apple的版本。具体操作是修改Mediapipe项目根目录下的WORKSPACE文件,将build_bazel_rules_apple的版本更新到3.2.1或更高版本。这个版本已经适配了最新的Bazel变更,移除了对multi_arch_split字段的依赖。
对于开发者来说,理解这个问题的本质很重要。虽然错误信息涉及Apple平台,但实际上这是一个构建系统兼容性问题。Mediapipe作为一个跨平台项目,在Windows上构建时不应该真正需要Apple平台的构建规则,但某些代码路径可能意外触发了这些规则的加载。
这个案例也提醒我们,在使用大型开源项目时,特别是在非主要支持平台上构建时,可能会遇到各种依赖问题。保持构建工具和依赖规则的更新是解决这类问题的关键。同时,理解项目WORKSPACE文件的配置方式对于定制化构建过程也非常重要。
通过更新build_bazel_rules_apple的版本,开发者可以顺利绕过这个构建障碍,继续Mediapipe项目在Windows平台上的开发和部署工作。这个解决方案不仅适用于hello_world示例,也适用于Mediapipe的其他组件和应用程序。
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