m1 onnxruntime c++

### ONNX Runtime在M1芯片上的C++开发环境配置

对于希望在苹果 M1 芯片上利用 C++ 开发基于 ONNX 的应用程序而言，首要任务是确保 ONNX Runtime 已经适配并优化于 ARM 架构之上。由于 M1 使用的是 Apple Silicon (ARM架构)，这使得传统的 x86 库不再适用。

安装适用于 macOS 平台的 ONNX Runtime 可通过 Homebrew 或者手动下载预构建二进制文件来完成[^1]。然而为了获得最佳性能以及支持最新的硬件特性，在本地从源码编译 ONNX Runtime 成为更优的选择：

#### 安装依赖项

brew install cmake ninja python pkg-config protobuf

#### 获取源代码并编译

git clone --recursive https://github.com/microsoft/onnxruntime.git
cd onnxruntime
./build.sh --ios_arch arm64 --os ios

注意上述命令中的 `--ios_arch` 和 `--os` 参数是为了适应 Apple Silicon 特定需求而设置；如果目标平台不是 iOS，则应调整这些参数以匹配实际应用场景的需求。

成功编译之后可以找到位于 build/RelWithDebInfo 目录下的库文件 libonnxruntime.so （Linux/MacOS）或 onnxruntime.dll（Windows），将其链接到项目中即可开始编写使用 ONNX 模型推理的应用程序。

一旦完成了 ONNX Runtime 的安装与配置工作，开发者就可以加载训练好的模型，并调用相应的 API 来执行预测操作了。下面是一个简单的例子展示如何读取一个 .onnx 文件并运行一次前向传播过程:

#include "onnxruntime_cxx_api.h"
// ...其他必要的头文件...

int main() {
    Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");
    
    // 创建会话选项对象
    Ort::SessionOptions session_options;
    
    // 加载模型路径
    const char* model_path = "./model.onnx";
    
    // 初始化 Session 实例
    Ort::Session session(env, model_path, session_options);
}

此段代码展示了创建 ORT 环境、设定日志级别、指定要使用的计算设备类型等基本步骤。更多高级功能如自定义运算符注册、图形优化等功能则需进一步查阅官方文档获取指导[^2]。