### 编译特定版本的 ONNX 模型 要在 Linux 环境下编译特定版本的 ONNX 模型，可以按照以下方法操作： #### 准备工作 确保开发环境已安装必要的依赖项。对于 Ubuntu 16.04 系统，可以通过以下命令安装基础工具和库： ```bash sudo apt-get update && sudo apt-get install -y \ build-essential \ cmake \ git \ wget \ unzip \ python3-dev \ python3-pip ``` #### 下载目标版本的 ONNX 源码 通过 Git 或者直接下载压缩包的方式获取所需版本的 ONNX 源码。 如果使用 Git，则执行如下命令克隆仓库并切换到指定标签（例如 v1.12.0 表示 ONNX 版本 1.12.0）： ```bash git clone https://github.com/onnx/onnx.git cd onnx git checkout tags/v1.12.0 -b v1.12.0 ``` 或者手动访问 GitHub 页面下载对应版本的 ZIP 文件，并解压至本地目录。 #### 配置 CMake 构建选项 进入源码根目录后初始化子模块并配置构建参数： ```bash git submodule update --init --recursive mkdir build && cd build cmake .. -DCMAKE_BUILD_TYPE=Release -DONNX_USE_LITE_PROTO=OFF ``` 这里 `-DONNX_USE_LITE_PROTO` 设置为 `OFF` 是为了启用完整的 Protocol Buffers 支持[^1]。 #### 执行编译过程 启动多线程编译加速整个流程完成时间较短： ```bash make -j$(nproc) ``` #### 安装生成文件 当编译成功之后可选择将产物全局部署到系统路径当中去方便后续调用链接时无需额外指定位置： ```bash sudo make install ``` 以上步骤完成后即可获得定制化需求下的静态/共享库形式存在的 ONNX 库资源供其他项目集成利用。 ```python import onnxruntime as ort from pathlib import Path model_path = Path('path/to/model.onnx') session_options = ort.SessionOptions() so = session_options.graph_optimization_level = ort.GraphOptimizationLevel.ORT_ENABLE_ALL ort_session = ort.InferenceSession(str(model_path), sess_options=session_options) input_name = ort_session.get_inputs()[0].name output_names = [o.name for o in ort_session.get_outputs()] dummy_input_data = ... # Prepare your input data here. outputs = ort_session.run(output_names, {input_name: dummy_input_data}) print(outputs) ```