环境准备：安装Python、CMake、编译器（GCC/Clang/MSVC）、依赖库（Protobuf、Eigen等）

核心原理：为什么环境准备是ONNX编译的第一道门槛

ONNX模型本身只是一个描述计算图的中间表示（IR），它并不包含可执行的算子实现。要让ONNX模型在特定硬件上高效运行，必须借助ONNX Runtime或自定义推理引擎，将ONNX图转换为可执行代码。这一过程涉及模型解析（读取onnx文件）、图优化（融合算子、消除冗余）、代码生成（生成C++或汇编）以及链接依赖库。因此，编译环境必须同时具备：

• Python：用于运行ONNX转换脚本、调用onnxoptimizer或onnxsim工具，以及生成C++代码前的模型预处理。
• CMake：跨平台构建系统，负责管理编译选项、查找依赖库、生成平台对应的构建文件（Makefile或Visual Studio工程）。
• C++编译器：将生成的C++代码编译为机器码。不同平台选择不同：Linux用GCC或Clang，Windows用MSVC，macOS可用Clang。
• 依赖库：Protobuf用于解析ONNX的protobuf格式；Eigen提供高性能线性代数运算；此外还可能需要abseil、re2、flatbuffers等。

这些组件之间存在严格的版本匹配关系。例如，ONNX Runtime 1.16要求Protobuf ≥ 3.20，而Eigen版本影响矩阵运算的SIMD优化路径。若版本不匹配，编译时会出现“找不到头文件”或“链接器无法解析符号”等错误。

方法流程：分平台搭建编译环境

下面以Ubuntu 22.04、Windows 11和macOS 13三个典型平台为例，说明完整的环境搭建流程。每个平台都需要完成四步：安装基础工具、安装编译器、安装依赖库、验证环境。

1. Ubuntu 22.04（GCC + CMake + Protobuf + Eigen）

# 更新apt源
sudo apt update

# 安装基础工具
sudo apt install -y build-essential cmake git wget

# 安装Protobuf（Ubuntu仓库版本可能较旧，建议源码编译）
wget https://github.com/protocolbuffers/protobuf/releases/download/v3.21.12/protobuf-cpp-3.21.12.tar.gz
tar -xzf protobuf-cpp-3.21.12.tar.gz
cd protobuf-3.21.12
./configure --prefix=/usr/local
make -j$(nproc)
sudo make install
sudo ldconfig

# 安装Eigen（仅头文件库）
sudo apt install -y libeigen3-dev

# 验证
gcc --version
cmake --version
protoc --version
ls /usr/include/eigen3/Eigen/Core

2. Windows 11（MSVC + CMake + vcpkg）

# 使用vcpkg管理依赖（推荐）
git clone https://github.com/Microsoft/vcpkg.git
cd vcpkg
.\bootstrap-vcpkg.bat
.\vcpkg integrate install

# 安装依赖库
.\vcpkg install protobuf:x64-windows eigen3:x64-windows

# 安装Visual Studio 2022（需勾选“使用C++的桌面开发”工作负载）
# 安装CMake（可从官网下载，或通过Visual Studio Installer安装）

# 验证（在Developer PowerShell中）
cmake --version
cl.exe
protoc --version

3. macOS 13（Clang + Homebrew）

# 安装Homebrew（若未安装）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装工具
brew install cmake protobuf eigen

# 验证
clang --version
cmake --version
protoc --version
ls /opt/homebrew/include/eigen3/Eigen/Core

案例/场景：从零编译ONNX Runtime（CPU版）

假设我们需要在Ubuntu上编译ONNX Runtime的CPU版本，并启用自定义算子。完整命令如下：

# 1. 克隆ONNX Runtime源码
git clone --recursive https://github.com/microsoft/onnxruntime.git
cd onnxruntime

# 2. 创建build目录
mkdir build && cd build

# 3. 配置CMake（指定Python路径和Eigen路径）
cmake .. \
  -Donnxruntime_ENABLE_PYTHON=OFF \
  -Donnxruntime_BUILD_SHARED_LIB=ON \
  -DCMAKE_PREFIX_PATH="/usr/local;/usr/include/eigen3" \
  -DProtobuf_INCLUDE_DIR=/usr/local/include \
  -DProtobuf_LIBRARY=/usr/local/lib/libprotobuf.so

# 4. 编译（使用8个线程）
make -j8

# 5. 验证生成的动态库
ls libonnxruntime.so
ldd libonnxruntime.so | grep -E "protobuf|eigen"

编译过程中，CMake会通过find_package(Protobuf)和find_package(Eigen3)自动查找依赖。若找不到，可手动指定Protobuf_DIR和Eigen3_DIR变量。

误区/复盘：常见环境配置错误及解决方案

错误现象	根本原因	解决方案
fatal error: google/protobuf/port_def.inc: No such file	Protobuf头文件路径未正确包含	检查Protobuf_INCLUDE_DIR是否指向包含google/protobuf的目录
undefined reference to `google::protobuf::MessageLite::GetTypeName()'	链接时找不到libprotobuf库	在CMakeLists.txt中添加target_link_libraries(your_target protobuf::libprotobuf)
Eigen/Dense: No such file or directory	Eigen未安装或路径错误	Ubuntu安装libeigen3-dev后，头文件位于/usr/include/eigen3，需在CMake中添加include_directories(/usr/include/eigen3)
MSVC编译时C2039: 'max' is not a member of 'std'	Windows下Eigen与MSVC的兼容性问题	在代码前添加#define NOMINMAX，或使用#include <algorithm>并调用std::max
CMake报Could NOT find Protobuf	Protobuf未安装或CMake缓存未更新	运行sudo ldconfig后，删除build目录重新配置

复盘：环境验证清单

完成安装后，建议按以下清单逐项验证，确保所有组件可用：

1. Python版本：python3 --version 应输出3.8及以上。
2. CMake版本：cmake --version 应输出3.18及以上。
3. 编译器版本：GCC ≥ 9.4，Clang ≥ 12，MSVC ≥ 19.29。
4. Protobuf版本：protoc --version 应输出libprotoc 3.21及以上。
5. Eigen可用性：编译一个包含#include <Eigen/Dense>的测试程序，确认无头文件错误。
6. 链接测试：编译一个调用google::protobuf::Message的简单程序，确认链接成功。

完成以上验证后，即可进入下一阶段的ONNX模型编译配置。环境准备阶段虽然繁琐，但一旦搭建完成，后续的编译工作将变得顺畅高效。建议将上述安装命令保存为脚本，便于在其他机器上快速复现环境。