### ONNX Runtime 的安装方法 要在 Ubuntu 上安装 ONNX Runtime 库，可以采用多种方式完成。以下是详细的说明： #### 方法一：通过预编译包安装 如果只需要使用 Python 接口而不需要 C++ 或其他接口支持，则可以通过 `pip` 工具快速安装 ONNX Runtime。 ```bash sudo apt update && sudo apt upgrade -y sudo apt install python3-pip pip3 install --upgrade pip pip3 install onnxruntime ``` 这种方法适用于大多数场景，尤其是仅需 CPU 支持的情况[^2]。 --- #### 方法二：源码编译并安装（推荐用于 GPU 和自定义需求） 当需要 GPU 加速或其他特定功能时，可以选择从源码构建 ONNX Runtime。 ##### 准备工作 确保系统已安装必要的工具链和依赖项： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git pkg-config unzip ninja-build libprotobuf-dev protobuf-compiler python3-numpy python3-setuptools python3-wheel ``` ##### 下载源码 克隆官方仓库，并初始化子模块： ```bash git clone --recursive https://github.com/microsoft/onnxruntime.git cd onnxruntime ``` ##### 编译命令 根据硬件环境选择合适的选项进行编译。对于 CPU 版本： ```bash ./build.sh --config RelWithDebInfo --use_openmp --parallel ``` 对于 GPU 版本（假设 CUDA 路径为 `/usr/local/cuda`），则添加相应参数： ```bash ./build.sh --config RelWithDebInfo --use_cuda --cuda_home /usr/local/cuda --cudnn_home /usr/local/cuda --build_shared_lib --parallel ``` 注意：GPU 配置中的路径应替换为你实际的 CUDA 安装位置[^4]。 ##### 安装共享库 完成后进入目标目录执行安装操作： ```bash cd ./build/Linux/RelWithDebInfo/ sudo make install ``` 此过程会将动态链接库复制至标准路径以便后续调用[^1]。 --- #### 方法三：手动指定 CMake 构建流程 针对更复杂的项目集成情况，可利用 CMake 明确设置头文件与库的位置。例如，在项目的 CMakeLists.txt 中加入如下片段[^3]: ```cmake set(ONNXRUNTIME_ROOT_PATH "/path/to/onnxruntime/source") # 替换为真实路径 set(ONNXRUNTIME_INCLUDE_DIRS ${ONNXRUNTIME_ROOT_PATH}/include/onnxruntime ${ONNXRUNTIME_ROOT_PATH}/onnxruntime ${ONNXRUNTIME_ROOT_PATH}/include/onnxruntime/core/session/) set(ONNXRUNTIME_LIB "${ONNXRUNTIME_ROOT_PATH}/build/Linux/Release/libonnxruntime.so") include_directories(${ONNXRUNTIME_INCLUDE_DIRS}) target_link_libraries(your_project_name PRIVATE ${ONNXRUNTIME_LIB}) ``` 上述配置允许开发者灵活调整 ONNX Runtime 的加载逻辑。 --- #### 常见问题排查 1. **缺少 Python 动态库** 如果遇到类似 “Python library not found”的错误提示，可能是因为当前环境中缺失对应版本的 Python SO 文件。尝试重新安装或创建软连接解决该问题[^5]。 2. **CUDA 不兼容** 确认所选 CUDA SDK 是否匹配主机驱动程序以及 ONNX Runtime 所支持的具体范围。 ---