当前位置: 首页 > news >正文

llama.cpp编译过程中的cmake版本问题 - Luna

今天在Orin NX上进行GPU版本的llama.cpp编译时,遇到了下述问题:

cmake -B build -DGGML_CUDA=ON
-- Warning: ccache not found - consider installing it for faster compilation or disable this warning with GGML_CCACHE=OFF
-- CMAKE_SYSTEM_PROCESSOR: aarch64
-- GGML_SYSTEM_ARCH: ARM
-- Including CPU backend
-- Found OpenMP_C: -fopenmp  
-- Found OpenMP_CXX: -fopenmp  
-- Found OpenMP: TRUE   
-- ARM detected
-- ARM -mcpu not found, -mcpu=native will be used
-- ARM feature FMA enabled
-- Adding CPU backend variant ggml-cpu: -mcpu=native 
CMake Error at ggml/src/ggml-cuda/CMakeLists.txt:1 (cmake_minimum_required):CMake 3.18 or higher is required.  You are running version 3.16.3-- Configuring incomplete, errors occurred!
See also "/home/amov/Desktop/llama.cpp/build/CMakeFiles/CMakeOutput.log".
See also "/home/amov/Desktop/llama.cpp/build/CMakeFiles/CMakeError.log".

原因是cmake版本过低,需要升级至>=3.18版本,具体流程如下:

  • 首先在官网下载对应的二进制文件,我需要安装4.0.0版本,由于Orin NX为arm架构,这里我选择aarch64后缀的脚本:
    cmake-4.0.0-linux-aarch64.sh
  • 下载下来后,使用chmod +x cmake-4.0.0-linux-aarch64.sh给予可执行权限,然后使sudo sh cmake-4.0.0-linux-aarch64.sh进行解压(这里需要注意安装时的路径提示)
  • 记住安装路径后,export PATH=/"your cmake path"/bin:$PATH,我这里是export PATH=/home/amov/Desktop/cmake-4.0.0-linux-aarch64/bin:$PATH
  • 而后执行以便永久生效:
echo 'export PATH=/opt/cmake/bin:$PATH' >>~/.bashrc
source ~/.bashrc
  • 最后cmake --version检查是否升级成功

参考:https://blog.csdn.net/u013172930/article/details/148203298

http://www.vanclimg.com/news/1967.html

相关文章:

  • 如何高效使用Cursor AI编程助手提升开发效率 | 完整配置与使用指南
  • WPF MVVM 入门学习笔记:从零开始理解 CommunityToolkit 与 ObservableObject 详解
  • 为所有人提供TSC频率:更精准的性能分析与基准测试
  • Js 内存管理和闭包
  • js高级第二天
  • 双向循环链表完整实现与详解
  • CSS 线性渐变
  • VMware ESXi 8.0U3g 发布 - 领先的裸机 Hypervisor
  • 装机软件记录
  • day3_javascript1
  • day4_javascript2
  • 电化学
  • 亚马逊AutoML论文获最佳论文奖
  • 前端加密实现
  • SQL注入漏洞
  • MX galaxy Day16
  • 30天总结-第二十八天
  • 金华の第二场模拟赛
  • [Unity] 项目的一些系统架构思想
  • 多github账号的仓库配置
  • Project 2024 专业增强版安装激活步骤(附安装包)2025最新详细教程
  • MX galaxy Day15
  • Plant Com | 将基因编辑与组学、人工智能和先进农业技术相结合以提高作物产量
  • PhenoAssistant:一个用于自动植物表型分析的人工智能系统
  • 在Docker中,可以在一个容器中同时运行多个应用进程吗?
  • Computomics:利用先进的机器学习实现预测性植物育种
  • 在运维工作中,Docker 与 Kvm 有何区别?
  • 利用分子与数量遗传学最大化作物改良的遗传增益
  • 在运维工作中,详细说一下 Docker 有什么作用?
  • 7.29总结