跳至主要內容

运行深度学习语音项目

JIeJaitt2023年4月1日...大约 31 分钟项目实战authset

You:

  • 我在运行一个基于深度学习的语音唤醒项目，这是他的项目地址：https://github.com/ObscurusGrassator/openWakeWord-cpp
    我使用的设备是m1的mac，我现在想问问运行报错的原因是什么？
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ make
    mkdir -p build
    g++ -o build/openwakeword -Ilib/arm64/include -Llib/arm64/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    src/main.cpp:12:10: fatal error: 'onnxruntime_cxx_api.h' file not found
    #include <onnxruntime_cxx_api.h>
    ^~~~~~~~~~~~~~~~~~~~~~~
    1 error generated.
    make: *** [release] Error 1
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗

ChatGPT:

  • 我在运行一个基于深度学习的语音唤醒项目，这是他的项目地址：https://github.com/ObscurusGrassator/openWakeWord-cpp
    我使用的设备是m1的mac，我现在想问问运行报错的原因是什么？
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ make
    mkdir -p build
    g++ -o build/openwakeword -Ilib/arm64/include -Llib/arm64/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    src/main.cpp:12:10: fatal error: 'onnxruntime_cxx_api.h' file not found
    #include <onnxruntime_cxx_api.h>
    ^~~~~~~~~~~~~~~~~~~~~~~
    1 error generated.
    make: *** [release] Error 1
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗

You:

  • 你的问题是由于编译器找不到onnxruntime_cxx_api.h头文件。这个文件是ONNX Runtime的C++ API头文件，应该位于你指定的lib/arm64/include目录下。请按照以下步骤检查和解决这个问题：
  1. 检查文件路径 :
    确认lib/arm64/include目录下是否存在onnxruntime_cxx_api.h文件。如果没有，你可能需要从ONNX Runtime的官方发布中获取并放置到正确的目录下。
  2. 下载ONNX Runtime :
    如果你没有安装ONNX Runtime，可以通过以下步骤下载和安装:
  1. 设置正确的路径 :
    确认你的路径设置是正确的。如果你已经有了ONNX Runtime的头文件和库文件，请确认这些文件在正确的路径中。例如：
mkdir -p lib/arm64/include
cp /path/to/onnxruntime_cxx_api.h lib/arm64/include/
mkdir -p lib/arm64/lib
cp /path/to/libonnxruntime.dylib lib/arm64/lib/
  1. 更新Makefile :
    确认你的Makefile中的路径和库文件是正确的。你的Makefile可能需要一些修改来适应你的环境：
CXX = g++
CXXFLAGS = -Ilib/arm64/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -Llib/arm64/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 重新编译 :
    完成上述步骤后，重新运行make命令进行编译。

希望这些步骤能帮你解决问题。如果问题依然存在，请检查是否有任何额外的错误信息，并确保所有依赖库和头文件路径正确设置。

4o

ChatGPT:

  • 你的问题是由于编译器找不到onnxruntime_cxx_api.h头文件。这个文件是ONNX Runtime的C++ API头文件，应该位于你指定的lib/arm64/include目录下。请按照以下步骤检查和解决这个问题：
  1. 检查文件路径 :
    确认lib/arm64/include目录下是否存在onnxruntime_cxx_api.h文件。如果没有，你可能需要从ONNX Runtime的官方发布中获取并放置到正确的目录下。
  2. 下载ONNX Runtime :
    如果你没有安装ONNX Runtime，可以通过以下步骤下载和安装:
  1. 设置正确的路径 :
    确认你的路径设置是正确的。如果你已经有了ONNX Runtime的头文件和库文件，请确认这些文件在正确的路径中。例如：
mkdir -p lib/arm64/include
cp /path/to/onnxruntime_cxx_api.h lib/arm64/include/
mkdir -p lib/arm64/lib
cp /path/to/libonnxruntime.dylib lib/arm64/lib/
  1. 更新Makefile :
    确认你的Makefile中的路径和库文件是正确的。你的Makefile可能需要一些修改来适应你的环境：
CXX = g++
CXXFLAGS = -Ilib/arm64/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -Llib/arm64/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 重新编译 :
    完成上述步骤后，重新运行make命令进行编译。

希望这些步骤能帮你解决问题。如果问题依然存在，请检查是否有任何额外的错误信息，并确保所有依赖库和头文件路径正确设置。

You:

  • 这是我的项目目录结构，请问这下面的onnx文件是干嘛的？怎么使用
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ tree -L 2
    openWakeWord-cpp
    ├── LICENSE.md
    ├── Makefile
    ├── README.md
    ├── build
    ├── models
    │ ├── alexa_v0.1.onnx
    │ ├── embedding_model.onnx
    │ ├── hey_jarvis_v0.1.onnx
    │ ├── hey_marvin_v0.1.onnx
    │ ├── hey_mycroft_v0.1.onnx
    │ └── melspectrogram.onnx
    ├── openWakeWord-cpp.iml
    └── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

ChatGPT:

  • 这是我的项目目录结构，请问这下面的onnx文件是干嘛的？怎么使用
    ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ tree -L 2
    openWakeWord-cpp
    ├── LICENSE.md
    ├── Makefile
    ├── README.md
    ├── build
    ├── models
    │ ├── alexa_v0.1.onnx
    │ ├── embedding_model.onnx
    │ ├── hey_jarvis_v0.1.onnx
    │ ├── hey_marvin_v0.1.onnx
    │ ├── hey_mycroft_v0.1.onnx
    │ └── melspectrogram.onnx
    ├── openWakeWord-cpp.iml
    └── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

You:

  • 在你的项目目录结构中，models文件夹下的.onnx文件是模型文件，具体如下：
  • alexa_v0.1.onnx
  • embedding_model.onnx
  • hey_jarvis_v0.1.onnx
  • hey_marvin_v0.1.onnx
  • hey_mycroft_v0.1.onnx
  • melspectrogram.onnx

这些模型文件通常用于语音识别和特征提取。它们在不同的阶段被加载和执行，以实现语音唤醒的功能。

使用ONNX模型的步骤

  1. 加载ONNX模型 :
    使用ONNX Runtime库加载模型文件。ONNX Runtime提供了C++ API，可以方便地加载和运行ONNX模型。
  2. 处理输入数据 :
    根据模型的要求，预处理输入数据。对于语音唤醒系统，输入数据通常是音频信号。你可能需要将音频信号转换为特征表示（例如梅尔频谱图），这可能是melspectrogram.onnx模型的用途。
  3. 运行推理 :
    将预处理后的数据输入到加载的ONNX模型中，运行推理，获取输出结果。不同的模型会有不同的输出，比如特征向量或唤醒词的概率。
  4. 处理输出数据 :
    根据输出结果执行相应的操作。例如，如果唤醒词被正确识别，可以触发后续的应用逻辑。

具体代码示例

以下是一个示例代码，展示如何加载和运行一个ONNX模型。这个示例假设你已经正确配置了ONNX Runtime库和头文件：

#include <onnxruntime_cxx_api.h>
#include <iostream>
#include <vector>

int main() {
    // Initialize ONNX Runtime environment
    Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");

    // Create an ONNX Runtime session options object
    Ort::SessionOptions session_options;
    session_options.SetIntraOpNumThreads(1);

    // Load the model
    const char* model_path = "models/hey_jarvis_v0.1.onnx";
    Ort::Session session(env, model_path, session_options);

    // Print input node names and shapes
    Ort::AllocatorWithDefaultOptions allocator;
    size_t num_input_nodes = session.GetInputCount();
    std::vector<const char*> input_node_names(num_input_nodes);
    std::vector<std::vector<int64_t>> input_node_dims(num_input_nodes);

    for (size_t i = 0; i < num_input_nodes; i++) {
        // Get input node names
        input_node_names[i] = session.GetInputName(i, allocator);
        std::cout << "Input " << i << ": name=" << input_node_names[i] << std::endl;

        // Get input node types and shapes
        Ort::TypeInfo type_info = session.GetInputTypeInfo(i);
        auto tensor_info = type_info.GetTensorTypeAndShapeInfo();
        input_node_dims[i] = tensor_info.GetShape();
    }

    // Example input data
    std::vector<float> input_tensor_values = {/* your input data here */};
    std::vector<int64_t> input_shape = {/* your input shape here */};

    // Create input tensor
    Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);
    Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_tensor_values.data(), input_tensor_values.size(), input_shape.data(), input_shape.size());

    // Run the model
    auto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_node_names.data(), &input_tensor, 1, nullptr, 0);

    // Process output
    float* floatarr = output_tensors.front().GetTensorMutableData<float>();
    for (size_t i = 0; i < output_tensors.front().GetTensorTypeAndShapeInfo().GetElementCount(); i++) {
        std::cout << "Output value " << i << ": " << floatarr[i] << std::endl;
    }

    return 0;
}

解决当前报错的方法

根据之前的问题描述，你的编译器找不到onnxruntime_cxx_api.h头文件。请确保以下几点：

  1. 确认路径正确 :
    确认lib/arm64/include目录下确实存在onnxruntime_cxx_api.h头文件。
  2. 更新路径 :
    如果文件不在正确的位置，请将其放置到正确的目录中。你可以通过以下命令检查和复制文件：
cp /path/to/onnxruntime/include/onnxruntime/core/session/onnxruntime_cxx_api.h lib/arm64/include/
  1. 编译项目 :
    确认路径无误后，重新运行make命令进行编译：
make

希望这些信息能帮助你解决问题。如果你需要更多帮助，请提供更多的错误信息或上下文。

4o

ChatGPT:

  • 在你的项目目录结构中，models文件夹下的.onnx文件是模型文件，具体如下：
  • alexa_v0.1.onnx
  • embedding_model.onnx
  • hey_jarvis_v0.1.onnx
  • hey_marvin_v0.1.onnx
  • hey_mycroft_v0.1.onnx
  • melspectrogram.onnx

这些模型文件通常用于语音识别和特征提取。它们在不同的阶段被加载和执行，以实现语音唤醒的功能。

使用ONNX模型的步骤

  1. 加载ONNX模型 :
    使用ONNX Runtime库加载模型文件。ONNX Runtime提供了C++ API，可以方便地加载和运行ONNX模型。
  2. 处理输入数据 :
    根据模型的要求，预处理输入数据。对于语音唤醒系统，输入数据通常是音频信号。你可能需要将音频信号转换为特征表示（例如梅尔频谱图），这可能是melspectrogram.onnx模型的用途。
  3. 运行推理 :
    将预处理后的数据输入到加载的ONNX模型中，运行推理，获取输出结果。不同的模型会有不同的输出，比如特征向量或唤醒词的概率。
  4. 处理输出数据 :
    根据输出结果执行相应的操作。例如，如果唤醒词被正确识别，可以触发后续的应用逻辑。

具体代码示例

以下是一个示例代码，展示如何加载和运行一个ONNX模型。这个示例假设你已经正确配置了ONNX Runtime库和头文件：

#include <onnxruntime_cxx_api.h>
#include <iostream>
#include <vector>

int main() {
    // Initialize ONNX Runtime environment
    Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");

    // Create an ONNX Runtime session options object
    Ort::SessionOptions session_options;
    session_options.SetIntraOpNumThreads(1);

    // Load the model
    const char* model_path = "models/hey_jarvis_v0.1.onnx";
    Ort::Session session(env, model_path, session_options);

    // Print input node names and shapes
    Ort::AllocatorWithDefaultOptions allocator;
    size_t num_input_nodes = session.GetInputCount();
    std::vector<const char*> input_node_names(num_input_nodes);
    std::vector<std::vector<int64_t>> input_node_dims(num_input_nodes);

    for (size_t i = 0; i < num_input_nodes; i++) {
        // Get input node names
        input_node_names[i] = session.GetInputName(i, allocator);
        std::cout << "Input " << i << ": name=" << input_node_names[i] << std::endl;

        // Get input node types and shapes
        Ort::TypeInfo type_info = session.GetInputTypeInfo(i);
        auto tensor_info = type_info.GetTensorTypeAndShapeInfo();
        input_node_dims[i] = tensor_info.GetShape();
    }

    // Example input data
    std::vector<float> input_tensor_values = {/* your input data here */};
    std::vector<int64_t> input_shape = {/* your input shape here */};

    // Create input tensor
    Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);
    Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_tensor_values.data(), input_tensor_values.size(), input_shape.data(), input_shape.size());

    // Run the model
    auto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_node_names.data(), &input_tensor, 1, nullptr, 0);

    // Process output
    float* floatarr = output_tensors.front().GetTensorMutableData<float>();
    for (size_t i = 0; i < output_tensors.front().GetTensorTypeAndShapeInfo().GetElementCount(); i++) {
        std::cout << "Output value " << i << ": " << floatarr[i] << std::endl;
    }

    return 0;
}

解决当前报错的方法

根据之前的问题描述，你的编译器找不到onnxruntime_cxx_api.h头文件。请确保以下几点：

  1. 确认路径正确 :
    确认lib/arm64/include目录下确实存在onnxruntime_cxx_api.h头文件。
  2. 更新路径 :
    如果文件不在正确的位置，请将其放置到正确的目录中。你可以通过以下命令检查和复制文件：
cp /path/to/onnxruntime/include/onnxruntime/core/session/onnxruntime_cxx_api.h lib/arm64/include/
  1. 编译项目 :
    确认路径无误后，重新运行make命令进行编译：
make

希望这些信息能帮助你解决问题。如果你需要更多帮助，请提供更多的错误信息或上下文。

You:

  • lib/arm64是linux的写法，我是m1的mac，我不清楚我的c++包位于哪个文件，你应该针对我的设备给我提出相应的意见

2/2

ChatGPT:

  • lib/arm64是linux的写法，我是m1的mac，我不清楚我的c++包位于哪个文件，你应该针对我的设备给我提出相应的意见

You:

  • 针对你的M1 Mac设备，请参考以下步骤来解决编译问题：
  1. 安装ONNX Runtime :
    在M1 Mac上，你可以使用Homebrew来安装ONNX Runtime。首先，确保你已经安装了Homebrew，然后执行以下命令：
brew install onnxruntime
  1. 查找头文件和库文件 :
    Homebrew通常会将头文件和库文件安装在/opt/homebrew/目录下。安装完成后，头文件和库文件的路径可能类似于以下路径：
  • 头文件：/opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
  • 库文件：/opt/homebrew/lib/libonnxruntime.dylib
  1. 更新Makefile :
    修改你的Makefile，将头文件和库文件的路径指向Homebrew安装的位置。假设上述路径正确，你的Makefile应类似如下：
CXX = g++
CXXFLAGS = -I/opt/homebrew/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L/opt/homebrew/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 编译项目 :
    完成上述修改后，尝试重新运行make命令进行编译：
make

验证路径

确保路径正确，验证安装后的文件路径，例如：

ls /opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
ls /opt/homebrew/lib/libonnxruntime.dylib

如果这些文件存在并且路径正确，make命令应该能成功编译。

示例代码调整

根据上述Makefile，以下是简化后的代码示例，演示如何在你的项目中使用ONNX Runtime：

#include <onnxruntime_cxx_api.h>
#include <iostream>
#include <vector>

int main() {
    // Initialize ONNX Runtime environment
    Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");

    // Create an ONNX Runtime session options object
    Ort::SessionOptions session_options;
    session_options.SetIntraOpNumThreads(1);

    // Load the model
    const char* model_path = "models/hey_jarvis_v0.1.onnx";
    Ort::Session session(env, model_path, session_options);

    // Print input node names and shapes
    Ort::AllocatorWithDefaultOptions allocator;
    size_t num_input_nodes = session.GetInputCount();
    std::vector<const char*> input_node_names(num_input_nodes);
    std::vector<std::vector<int64_t>> input_node_dims(num_input_nodes);

    for (size_t i = 0; i < num_input_nodes; i++) {
        // Get input node names
        input_node_names[i] = session.GetInputName(i, allocator);
        std::cout << "Input " << i << ": name=" << input_node_names[i] << std::endl;

        // Get input node types and shapes
        Ort::TypeInfo type_info = session.GetInputTypeInfo(i);
        auto tensor_info = type_info.GetTensorTypeAndShapeInfo();
        input_node_dims[i] = tensor_info.GetShape();
    }

    // Example input data
    std::vector<float> input_tensor_values = {/* your input data here */};
    std::vector<int64_t> input_shape = {/* your input shape here */};

    // Create input tensor
    Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);
    Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_tensor_values.data(), input_tensor_values.size(), input_shape.data(), input_shape.size());

    // Run the model
    auto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_node_names.data(), &input_tensor, 1, nullptr, 0);

    // Process output
    float* floatarr = output_tensors.front().GetTensorMutableData<float>();
    for (size_t i = 0; i < output_tensors.front().GetTensorTypeAndShapeInfo().GetElementCount(); i++) {
        std::cout << "Output value " << i << ": " << floatarr[i] << std::endl;
    }

    return 0;
}

希望这些步骤能够帮助你在M1 Mac上正确编译和运行你的项目。如果你遇到任何问题，请随时反馈具体的错误信息，以便进一步协助你解决问题。

4o

ChatGPT:

  • 针对你的M1 Mac设备，请参考以下步骤来解决编译问题：
  1. 安装ONNX Runtime :
    在M1 Mac上，你可以使用Homebrew来安装ONNX Runtime。首先，确保你已经安装了Homebrew，然后执行以下命令：
brew install onnxruntime
  1. 查找头文件和库文件 :
    Homebrew通常会将头文件和库文件安装在/opt/homebrew/目录下。安装完成后，头文件和库文件的路径可能类似于以下路径：
  • 头文件：/opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
  • 库文件：/opt/homebrew/lib/libonnxruntime.dylib
  1. 更新Makefile :
    修改你的Makefile，将头文件和库文件的路径指向Homebrew安装的位置。假设上述路径正确，你的Makefile应类似如下：
CXX = g++
CXXFLAGS = -I/opt/homebrew/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L/opt/homebrew/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 编译项目 :
    完成上述修改后，尝试重新运行make命令进行编译：
make

验证路径

确保路径正确，验证安装后的文件路径，例如：

ls /opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
ls /opt/homebrew/lib/libonnxruntime.dylib

如果这些文件存在并且路径正确，make命令应该能成功编译。

示例代码调整

根据上述Makefile，以下是简化后的代码示例，演示如何在你的项目中使用ONNX Runtime：

#include <onnxruntime_cxx_api.h>
#include <iostream>
#include <vector>

int main() {
    // Initialize ONNX Runtime environment
    Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");

    // Create an ONNX Runtime session options object
    Ort::SessionOptions session_options;
    session_options.SetIntraOpNumThreads(1);

    // Load the model
    const char* model_path = "models/hey_jarvis_v0.1.onnx";
    Ort::Session session(env, model_path, session_options);

    // Print input node names and shapes
    Ort::AllocatorWithDefaultOptions allocator;
    size_t num_input_nodes = session.GetInputCount();
    std::vector<const char*> input_node_names(num_input_nodes);
    std::vector<std::vector<int64_t>> input_node_dims(num_input_nodes);

    for (size_t i = 0; i < num_input_nodes; i++) {
        // Get input node names
        input_node_names[i] = session.GetInputName(i, allocator);
        std::cout << "Input " << i << ": name=" << input_node_names[i] << std::endl;

        // Get input node types and shapes
        Ort::TypeInfo type_info = session.GetInputTypeInfo(i);
        auto tensor_info = type_info.GetTensorTypeAndShapeInfo();
        input_node_dims[i] = tensor_info.GetShape();
    }

    // Example input data
    std::vector<float> input_tensor_values = {/* your input data here */};
    std::vector<int64_t> input_shape = {/* your input shape here */};

    // Create input tensor
    Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);
    Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_tensor_values.data(), input_tensor_values.size(), input_shape.data(), input_shape.size());

    // Run the model
    auto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_node_names.data(), &input_tensor, 1, nullptr, 0);

    // Process output
    float* floatarr = output_tensors.front().GetTensorMutableData<float>();
    for (size_t i = 0; i < output_tensors.front().GetTensorTypeAndShapeInfo().GetElementCount(); i++) {
        std::cout << "Output value " << i << ": " << floatarr[i] << std::endl;
    }

    return 0;
}

希望这些步骤能够帮助你在M1 Mac上正确编译和运行你的项目。如果你遇到任何问题，请随时反馈具体的错误信息，以便进一步协助你解决问题。

You:

  • 已上传的图片
    已上传的图片

我这样安装的onnxruntime_cxx_api包并没有被正确的识别，应该看一下我项目引用的其他的c++头文件在电脑上什么位置吧，至于我brew安装的onnxruntime_cxx_api包并没有被正确的识别，那我c++该怎么下载这个包呢？

ChatGPT:

  • 已上传的图片
    已上传的图片

我这样安装的onnxruntime_cxx_api包并没有被正确的识别，应该看一下我项目引用的其他的c++头文件在电脑上什么位置吧，至于我brew安装的onnxruntime_cxx_api包并没有被正确的识别，那我c++该怎么下载这个包呢？

You:

  • 你所提供的截图显示了系统上的C++头文件路径。你需要确保ONNX Runtime的头文件和库文件路径与这些系统路径匹配。

检查ONNX Runtime安装路径

首先，确认ONNX Runtime是否正确安装。你可以通过以下命令来查找ONNX Runtime头文件和库文件的路径：

brew list onnxruntime

这个命令将列出所有与ONNX Runtime相关的文件和路径。确保你可以看到头文件（例如onnxruntime_cxx_api.h）和库文件（例如libonnxruntime.dylib）的路径。

设置正确的头文件和库文件路径

根据Homebrew的默认安装路径，头文件和库文件应该位于/opt/homebrew/目录下。你可以使用以下步骤来确保你的项目能够正确引用这些文件。

  1. 查找头文件和库文件路径 :

确认这些文件的实际路径，例如：

/opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
/opt/homebrew/lib/libonnxruntime.dylib
  1. 更新Makefile :

修改你的Makefile，以确保编译器可以找到这些文件。假设上述路径正确，Makefile应如下所示：

CXX = g++
CXXFLAGS = -I/opt/homebrew/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L/opt/homebrew/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 验证头文件路径 :

确认头文件路径正确。例如，检查头文件是否存在：

ls /opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h

如果文件存在且路径正确，编译器应该能够找到它。

手动下载和配置ONNX Runtime

如果Homebrew无法正确安装ONNX Runtime，你也可以手动下载并配置：

  1. 下载ONNX Runtime :

前往ONNX Runtime的GitHub仓库 并下载适合macOS的预编译库，或自行编译。
2. 解压并设置路径 :

将下载的文件解压到一个合适的位置，例如~/onnxruntime.

tar -xzvf onnxruntime-osx.tar.gz -C ~/onnxruntime
  1. 更新Makefile :

修改Makefile，以引用手动安装的ONNX Runtime路径：

CXX = g++
CXXFLAGS = -I~/onnxruntime/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L~/onnxruntime/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 编译项目 :

确认路径无误后，重新运行make命令进行编译：

make

验证安装

确认你能成功编译并链接ONNX Runtime库。如果仍然有问题，提供具体的错误信息可以帮助进一步诊断问题。

4o

ChatGPT:

  • 你所提供的截图显示了系统上的C++头文件路径。你需要确保ONNX Runtime的头文件和库文件路径与这些系统路径匹配。

检查ONNX Runtime安装路径

首先，确认ONNX Runtime是否正确安装。你可以通过以下命令来查找ONNX Runtime头文件和库文件的路径：

brew list onnxruntime

这个命令将列出所有与ONNX Runtime相关的文件和路径。确保你可以看到头文件（例如onnxruntime_cxx_api.h）和库文件（例如libonnxruntime.dylib）的路径。

设置正确的头文件和库文件路径

根据Homebrew的默认安装路径，头文件和库文件应该位于/opt/homebrew/目录下。你可以使用以下步骤来确保你的项目能够正确引用这些文件。

  1. 查找头文件和库文件路径 :

确认这些文件的实际路径，例如：

/opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h
/opt/homebrew/lib/libonnxruntime.dylib
  1. 更新Makefile :

修改你的Makefile，以确保编译器可以找到这些文件。假设上述路径正确，Makefile应如下所示：

CXX = g++
CXXFLAGS = -I/opt/homebrew/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L/opt/homebrew/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 验证头文件路径 :

确认头文件路径正确。例如，检查头文件是否存在：

ls /opt/homebrew/include/onnxruntime/core/session/onnxruntime_cxx_api.h

如果文件存在且路径正确，编译器应该能够找到它。

手动下载和配置ONNX Runtime

如果Homebrew无法正确安装ONNX Runtime，你也可以手动下载并配置：

  1. 下载ONNX Runtime :

前往ONNX Runtime的GitHub仓库 并下载适合macOS的预编译库，或自行编译。
2. 解压并设置路径 :

将下载的文件解压到一个合适的位置，例如~/onnxruntime.

tar -xzvf onnxruntime-osx.tar.gz -C ~/onnxruntime
  1. 更新Makefile :

修改Makefile，以引用手动安装的ONNX Runtime路径：

CXX = g++
CXXFLAGS = -I~/onnxruntime/include -O2 -std=c++20 -Wall -Wextra
LDFLAGS = -L~/onnxruntime/lib -Wl,-rpath,'$ORIGIN'
LIBS = -lpthread -lonnxruntime

TARGET = build/openwakeword
SOURCES = src/main.cpp

all: $(TARGET)

$(TARGET): $(SOURCES)
    mkdir -p build
    $(CXX) -o $@ $(CXXFLAGS) $(SOURCES) $(LDFLAGS) $(LIBS)

clean:
    rm -rf build
  1. 编译项目 :

确认路径无误后，重新运行make命令进行编译：

make

验证安装

确认你能成功编译并链接ONNX Runtime库。如果仍然有问题，提供具体的错误信息可以帮助进一步诊断问题。

You:

  • 已上传的图片
    已上传的图片

这么多版本，哪个才是m1 mac能下载的版本？我想把这个包直接下载到我们的项目目录下面来运行，另外这是我的现在的makefile文件，只适用于linux系统，现在请你做相对应的修改使得他可以在m1 mac系统下运行：
.PHONY: release debug clean

ARCH := (shelluname−m)ONNXDIR:=lib/(shell uname -m) ONNXDIR := lib/(ARCH)

release:
mkdir -p build
g++ -o build/openwakeword -I(ONNXDIR)/include−L(ONNXDIR)/include -L(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$$ORIGIN' src/main.cpp -lpthread -lonnxruntime
cp -a $(ONNXDIR)/lib/* build/

clean:
rm -rf build/ dist/

ChatGPT:

  • 已上传的图片
    已上传的图片

这么多版本，哪个才是m1 mac能下载的版本？我想把这个包直接下载到我们的项目目录下面来运行，另外这是我的现在的makefile文件，只适用于linux系统，现在请你做相对应的修改使得他可以在m1 mac系统下运行：
.PHONY: release debug clean

ARCH := (shelluname−m)ONNXDIR:=lib/(shell uname -m) ONNXDIR := lib/(ARCH)

release:
mkdir -p build
g++ -o build/openwakeword -I(ONNXDIR)/include−L(ONNXDIR)/include -L(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$$ORIGIN' src/main.cpp -lpthread -lonnxruntime
cp -a $(ONNXDIR)/lib/* build/

clean:
rm -rf build/ dist/

You:

  • 针对你的问题和需求，我们可以选择适用于M1 Mac的ONNX Runtime版本，并调整Makefile使其能够在M1 Mac系统上正确运行。

选择适用的ONNX Runtime版本

从你的截图来看，适用于M1 Mac的ONNX Runtime版本是：

  • onnxruntime-osx-arm64-1.17.3.tgz

下载这个版本并解压到你的项目目录中：

wget https://github.com/microsoft/onnxruntime/releases/download/v1.17.3/onnxruntime-osx-arm64-1.17.3.tgz
tar -xzvf onnxruntime-osx-arm64-1.17.3.tgz -C ./lib

修改Makefile

将Makefile修改为适用于macOS系统，并引用下载的ONNX Runtime库和头文件。假设你已经将ONNX Runtime解压到lib/arm64目录下，以下是更新后的Makefile：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)

release:
	mkdir -p build
	g++ -o build/openwakeword -I$(ONNXDIR)/include -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'@loader_path' src/main.cpp -lpthread -lonnxruntime
	cp -a $(ONNXDIR)/lib/* build/

clean:
	rm -rf build/ dist/

目录结构

确保你的目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   └── arm64
│       ├── include
│       │   └── onnxruntime
│       │       └── core
│       │           └── session
│       │               └── onnxruntime_cxx_api.h
│       ├── lib
│       │   ├── libonnxruntime.dylib
│       │   └── ...
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── src
│   ├── CMakeLists.txt
│   ├── android
│   ├── main.cpp
│   └── main.h
└── openWakeWord-cpp.iml

编译和运行

确保路径正确后，执行以下命令进行编译：

make release

验证编译

确保编译成功后，运行生成的可执行文件：

./build/openwakeword

如果你遇到任何问题，请提供具体的错误信息以便进一步诊断和解决问题。

1/2

4o

ChatGPT:

  • 针对你的问题和需求，我们可以选择适用于M1 Mac的ONNX Runtime版本，并调整Makefile使其能够在M1 Mac系统上正确运行。

选择适用的ONNX Runtime版本

从你的截图来看，适用于M1 Mac的ONNX Runtime版本是：

  • onnxruntime-osx-arm64-1.17.3.tgz

下载这个版本并解压到你的项目目录中：

wget https://github.com/microsoft/onnxruntime/releases/download/v1.17.3/onnxruntime-osx-arm64-1.17.3.tgz
tar -xzvf onnxruntime-osx-arm64-1.17.3.tgz -C ./lib

修改Makefile

将Makefile修改为适用于macOS系统，并引用下载的ONNX Runtime库和头文件。假设你已经将ONNX Runtime解压到lib/arm64目录下，以下是更新后的Makefile：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)

release:
	mkdir -p build
	g++ -o build/openwakeword -I$(ONNXDIR)/include -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'@loader_path' src/main.cpp -lpthread -lonnxruntime
	cp -a $(ONNXDIR)/lib/* build/

clean:
	rm -rf build/ dist/

目录结构

确保你的目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   └── arm64
│       ├── include
│       │   └── onnxruntime
│       │       └── core
│       │           └── session
│       │               └── onnxruntime_cxx_api.h
│       ├── lib
│       │   ├── libonnxruntime.dylib
│       │   └── ...
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── src
│   ├── CMakeLists.txt
│   ├── android
│   ├── main.cpp
│   └── main.h
└── openWakeWord-cpp.iml

编译和运行

确保路径正确后，执行以下命令进行编译：

make release

验证编译

确保编译成功后，运行生成的可执行文件：

./build/openwakeword

如果你遇到任何问题，请提供具体的错误信息以便进一步诊断和解决问题。

You:

zsh: command not found: wget

ChatGPT:

zsh: command not found: wget

You:

  • 如果你的系统没有安装wget，你可以使用curl来下载文件。以下是如何使用curl下载并解压ONNX Runtime文件的步骤：
  1. 下载ONNX Runtime :
curl -L -o onnxruntime-osx-arm64-1.17.3.tgz https://github.com/microsoft/onnxruntime/releases/download/v1.17.3/onnxruntime-osx-arm64-1.17.3.tgz
  1. 解压ONNX Runtime :
mkdir -p lib/arm64
tar -xzvf onnxruntime-osx-arm64-1.17.3.tgz -C lib/arm64 --strip-components=1
  1. 修改Makefile :
    更新Makefile以适应M1 Mac环境：
.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/
  1. 编译项目 :
    在项目目录中运行以下命令进行编译：
make release

上述步骤将下载、解压并配置ONNX Runtime库以便在M1 Mac上使用，并将更新的Makefile用于项目编译。如果在任何步骤中遇到问题，请提供具体的错误信息以便进一步协助。

4o

ChatGPT:

  • 如果你的系统没有安装wget，你可以使用curl来下载文件。以下是如何使用curl下载并解压ONNX Runtime文件的步骤：
  1. 下载ONNX Runtime :
curl -L -o onnxruntime-osx-arm64-1.17.3.tgz https://github.com/microsoft/onnxruntime/releases/download/v1.17.3/onnxruntime-osx-arm64-1.17.3.tgz
  1. 解压ONNX Runtime :
mkdir -p lib/arm64
tar -xzvf onnxruntime-osx-arm64-1.17.3.tgz -C lib/arm64 --strip-components=1
  1. 修改Makefile :
    更新Makefile以适应M1 Mac环境：
.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/
  1. 编译项目 :
    在项目目录中运行以下命令进行编译：
make release

上述步骤将下载、解压并配置ONNX Runtime库以便在M1 Mac上使用，并将更新的Makefile用于项目编译。如果在任何步骤中遇到问题，请提供具体的错误信息以便进一步协助。

You:

  • 这里还有一个报错是为啥？代码是这个#include <jni.h>
    报错如下：
    基于 configurationProvider 设置提供的信息检测到 #include 错误。已针对此翻译单元(/Users/jiejaitt/Desktop/openWakeWord-cpp/src/main.h)禁用波形曲线。

ChatGPT:

  • 这里还有一个报错是为啥？代码是这个#include <jni.h>
    报错如下：
    基于 configurationProvider 设置提供的信息检测到 #include 错误。已针对此翻译单元(/Users/jiejaitt/Desktop/openWakeWord-cpp/src/main.h)禁用波形曲线。

You:

  • #include <jni.h>错误通常意味着系统找不到Java Native Interface (JNI)的头文件。对于macOS上的M1设备，你需要确保Java开发工具包（JDK）正确安装，并且配置文件路径以便编译器能找到这些头文件。

以下是解决这个问题的步骤：

1. 安装JDK

如果你还没有安装JDK，可以使用Homebrew安装：

brew install openjdk

2. 查找JDK路径

使用以下命令查找JDK的安装路径：

/usr/libexec/java_home

这将返回JDK的根目录，例如：/Library/Java/JavaVirtualMachines/jdk-17.jdk/Contents/Home

3. 更新Makefile

你需要在Makefile中指定JNI头文件的路径。在Makefile中添加包含路径和库路径：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JDKDIR := $(shell /usr/libexec/java_home)

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JDKDIR)/include -I$(JDKDIR)/include/darwin -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

4. 编译项目

运行以下命令进行编译：

make release

验证头文件路径

确保路径正确，验证头文件是否存在。例如：

ls $(JDKDIR)/include/jni.h
ls $(JDKDIR)/include/darwin/jni_md.h

如果文件存在且路径正确，编译器应该能够找到它们。

如果仍有问题

  1. 确保JDK正确安装 ：
    确保你安装的是正确版本的JDK，并且系统环境变量已正确配置。
  2. 检查环境变量 ：
    确保JAVA_HOME环境变量已正确设置，可以在终端中执行以下命令：
echo $JAVA_HOME

如果没有输出，或者输出错误路径，设置JAVA_HOME：

export JAVA_HOME=$(/usr/libexec/java_home)

并将其添加到你的shell配置文件（例如.zshrc或.bashrc）中：

echo 'export JAVA_HOME=$(/usr/libexec/java_home)' >> ~/.zshrc
source ~/.zshrc

希望这些步骤能帮助你解决编译错误。如果问题依然存在，请提供更多详细信息以便进一步诊断。

4o

ChatGPT:

  • #include <jni.h>错误通常意味着系统找不到Java Native Interface (JNI)的头文件。对于macOS上的M1设备，你需要确保Java开发工具包（JDK）正确安装，并且配置文件路径以便编译器能找到这些头文件。

以下是解决这个问题的步骤：

1. 安装JDK

如果你还没有安装JDK，可以使用Homebrew安装：

brew install openjdk

2. 查找JDK路径

使用以下命令查找JDK的安装路径：

/usr/libexec/java_home

这将返回JDK的根目录，例如：/Library/Java/JavaVirtualMachines/jdk-17.jdk/Contents/Home

3. 更新Makefile

你需要在Makefile中指定JNI头文件的路径。在Makefile中添加包含路径和库路径：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JDKDIR := $(shell /usr/libexec/java_home)

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JDKDIR)/include -I$(JDKDIR)/include/darwin -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

4. 编译项目

运行以下命令进行编译：

make release

验证头文件路径

确保路径正确，验证头文件是否存在。例如：

ls $(JDKDIR)/include/jni.h
ls $(JDKDIR)/include/darwin/jni_md.h

如果文件存在且路径正确，编译器应该能够找到它们。

如果仍有问题

  1. 确保JDK正确安装 ：
    确保你安装的是正确版本的JDK，并且系统环境变量已正确配置。
  2. 检查环境变量 ：
    确保JAVA_HOME环境变量已正确设置，可以在终端中执行以下命令：
echo $JAVA_HOME

如果没有输出，或者输出错误路径，设置JAVA_HOME：

export JAVA_HOME=$(/usr/libexec/java_home)

并将其添加到你的shell配置文件（例如.zshrc或.bashrc）中：

echo 'export JAVA_HOME=$(/usr/libexec/java_home)' >> ~/.zshrc
source ~/.zshrc

希望这些步骤能帮助你解决编译错误。如果问题依然存在，请提供更多详细信息以便进一步诊断。

You:

  • 我想把#include <jni.h>安装到我的项目目录下面可以吗？

ChatGPT:

  • 我想把#include <jni.h>安装到我的项目目录下面可以吗？

You:

  • 是的，你可以将jni.h头文件安装到你的项目目录下并配置你的编译器来查找这些文件。下面是一个具体的步骤来实现这一点。

步骤：

  1. 下载和复制JNI头文件

如果你已经安装了JDK，你可以复制所需的JNI头文件到你的项目目录下。例如：

mkdir -p /path/to/your/project/lib/jni
cp $(/usr/libexec/java_home)/include/jni.h /path/to/your/project/lib/jni/
cp $(/usr/libexec/java_home)/include/darwin/jni_md.h /path/to/your/project/lib/jni/

这将创建一个名为lib/jni的目录并将jni.h和jni_md.h文件复制到该目录中。
2. 更新Makefile

更新你的Makefile以包含新的JNI头文件路径。

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/
  1. 编译项目

在项目目录中运行以下命令进行编译：

make release

验证

确保文件被正确复制和包含路径正确。如果在编译过程中仍然遇到#include <jni.h>错误，检查文件是否正确复制，并且确保Makefile中包含路径设置无误。

示例

假设你的项目目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   ├── arm64
│   │   ├── include
│   │   └── lib
│   └── jni
│       ├── jni.h
│       └── jni_md.h
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── openWakeWord-cpp.iml
└── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

Makefile配置

确保Makefile中的路径配置正确：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

这样，jni.h文件会在编译时被正确包含，从而避免缺少JNI头文件的错误。

4o

ChatGPT:

  • 是的，你可以将jni.h头文件安装到你的项目目录下并配置你的编译器来查找这些文件。下面是一个具体的步骤来实现这一点。

步骤：

  1. 下载和复制JNI头文件

如果你已经安装了JDK，你可以复制所需的JNI头文件到你的项目目录下。例如：

mkdir -p /path/to/your/project/lib/jni
cp $(/usr/libexec/java_home)/include/jni.h /path/to/your/project/lib/jni/
cp $(/usr/libexec/java_home)/include/darwin/jni_md.h /path/to/your/project/lib/jni/

这将创建一个名为lib/jni的目录并将jni.h和jni_md.h文件复制到该目录中。
2. 更新Makefile

更新你的Makefile以包含新的JNI头文件路径。

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/
  1. 编译项目

在项目目录中运行以下命令进行编译：

make release

验证

确保文件被正确复制和包含路径正确。如果在编译过程中仍然遇到#include <jni.h>错误，检查文件是否正确复制，并且确保Makefile中包含路径设置无误。

示例

假设你的项目目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   ├── arm64
│   │   ├── include
│   │   └── lib
│   └── jni
│       ├── jni.h
│       └── jni_md.h
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── openWakeWord-cpp.iml
└── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

Makefile配置

确保Makefile中的路径配置正确：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

这样，jni.h文件会在编译时被正确包含，从而避免缺少JNI头文件的错误。

You:

  • ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ find /opt/homebrew/Cellar/openjdk -name jni.h
    /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/jni.h
    /opt/homebrew/Cellar/openjdk/21.0.3/include/jni.h

ChatGPT:

  • ➜ openWakeWord-cpp git:(AndroidImplementation) ✗ find /opt/homebrew/Cellar/openjdk -name jni.h
    /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/jni.h
    /opt/homebrew/Cellar/openjdk/21.0.3/include/jni.h

You:

  • 好的，既然你已经找到jni.h的路径，我们可以按照之前的计划将jni.h和相关文件复制到项目目录下，并更新Makefile。

1. 复制JNI头文件

将jni.h和jni_md.h文件复制到项目目录下的lib/jni目录中：

mkdir -p /path/to/your/project/lib/jni
cp /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/jni.h /path/to/your/project/lib/jni/
cp /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/darwin/jni_md.h /path/to/your/project/lib/jni/

2. 更新Makefile

在Makefile中添加JNI头文件路径：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

3. 编译项目

在项目目录中运行以下命令进行编译：

make release

验证

确保文件被正确复制，并且路径设置无误。如果在编译过程中仍然遇到#include <jni.h>错误，请检查文件是否正确复制，并确认Makefile中包含路径设置正确。

示例目录结构

假设你的项目目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   ├── arm64
│   │   ├── include
│   │   └── lib
│   └── jni
│       ├── jni.h
│       └── jni_md.h
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── openWakeWord-cpp.iml
└── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

在Makefile中，确保JNIDIR路径设置正确：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

这样，你的项目应该可以在M1 Mac上编译和运行。

4o

ChatGPT:

  • 好的，既然你已经找到jni.h的路径，我们可以按照之前的计划将jni.h和相关文件复制到项目目录下，并更新Makefile。

1. 复制JNI头文件

将jni.h和jni_md.h文件复制到项目目录下的lib/jni目录中：

mkdir -p /path/to/your/project/lib/jni
cp /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/jni.h /path/to/your/project/lib/jni/
cp /opt/homebrew/Cellar/openjdk/21.0.3/libexec/openjdk.jdk/Contents/Home/include/darwin/jni_md.h /path/to/your/project/lib/jni/

2. 更新Makefile

在Makefile中添加JNI头文件路径：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

3. 编译项目

在项目目录中运行以下命令进行编译：

make release

验证

确保文件被正确复制，并且路径设置无误。如果在编译过程中仍然遇到#include <jni.h>错误，请检查文件是否正确复制，并确认Makefile中包含路径设置正确。

示例目录结构

假设你的项目目录结构如下：

openWakeWord-cpp
├── LICENSE.md
├── Makefile
├── README.md
├── build
├── lib
│   ├── arm64
│   │   ├── include
│   │   └── lib
│   └── jni
│       ├── jni.h
│       └── jni_md.h
├── models
│   ├── alexa_v0.1.onnx
│   ├── embedding_model.onnx
│   ├── hey_jarvis_v0.1.onnx
│   ├── hey_marvin_v0.1.onnx
│   ├── hey_mycroft_v0.1.onnx
│   └── melspectrogram.onnx
├── openWakeWord-cpp.iml
└── src
    ├── CMakeLists.txt
    ├── android
    ├── main.cpp
    └── main.h

在Makefile中，确保JNIDIR路径设置正确：

.PHONY: release debug clean

ARCH := arm64
ONNXDIR := lib/$(ARCH)
JNIDIR := lib/jni

release:
    mkdir -p build
    g++ -o build/openwakeword -I$(ONNXDIR)/include -I$(JNIDIR) -L$(ONNXDIR)/lib -O2 -std=c++20 -Wall -Wextra -Wl,-rpath,'$ORIGIN' src/main.cpp -lpthread -lonnxruntime
    cp -a $(ONNXDIR)/lib/* build/

clean:
    rm -rf build/ dist/

这样，你的项目应该可以在M1 Mac上编译和运行。

0  字
评论
  • 按正序
  • 按倒序
  • 按热度
Powered by Waline v3.4.1
默认页脚
Copyright © 2024 JIeJaitt