You need to enable JavaScript to run this app. 如何使用CMake编译PyTorch的C++/CUDA Python扩展?
优惠活动
大模型
产品
解决方案
定价
更多

如何使用CMake编译PyTorch的C++/CUDA Python扩展?

用CMake编译PyTorch Python扩展方案

完全可以使用CMake编译PyTorch的C++/CUDA Python扩展,对于复杂构建场景来说,CMake的可配置性远高于setuptools,适配更灵活。

基础环境要求

  • CMake 3.18及以上版本
  • 已正常安装对应版本的PyTorch(CPU/GPU版根据需求选择)
  • 对应版本的Python开发包、CUDA工具链(如有CUDA需求)
  • 无需额外安装pybind11,PyTorch内置的依赖已经包含pybind11头文件

核心CMake配置步骤

1. 导入依赖配置

在项目根目录的CMakeLists.txt中首先导入PyTorch和Python的相关配置:

cmake_minimum_required(VERSION 3.18)
project(torch_cpp_extension)

# 导入PyTorch配置
find_package(Torch REQUIRED)
# 导入Python配置
find_package(Python3 COMPONENTS Interpreter Development REQUIRED)

# 沿用PyTorch的编译选项,避免ABI不兼容
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${TORCH_CXX_FLAGS}")
# 自动适配当前设备的CUDA架构(如有CUDA需求)
set(TORCH_CUDA_ARCH_LIST Auto CACHE STRING "")

2. 配置扩展库编译规则

将你的C++/CUDA源码编译为Python可导入的动态库:

# 替换为你自己的源码路径、模块名
add_library(my_torch_ext MODULE
  src/my_ext.cpp
  src/my_cuda_kernels.cu
)

# 链接依赖库
target_link_libraries(my_torch_ext PRIVATE
  ${TORCH_LIBRARIES}
  Python3::Module
)

# 配置动态库属性,适配Python导入规则
set_target_properties(my_torch_ext PROPERTIES
  # 去掉默认的lib前缀,保证模块名和导入名一致
  PREFIX ""
  # Windows下动态库后缀改为pyd
  SUFFIX "$<$<PLATFORM_ID:Windows>:.pyd>"
)

编译验证流程

执行标准CMake编译命令即可:

# 创建构建目录
mkdir build && cd build
# 生成构建配置
cmake ..
# 执行编译
make -j$(nproc)

编译完成后,生成的my_torch_ext.so(Linux/macOS)或my_torch_ext.pyd(Windows)文件直接放入Python的模块搜索路径,即可直接通过import my_torch_ext调用,功能和setuptools编译的扩展完全一致。

常见适配要点

  • 如果运行时出现ABI不兼容报错,检查编译用的PyTorch版本、Python版本和运行环境是否完全一致
  • 如需分发扩展,可将编译好的动态库和Python包装代码一起打包为wheel包,无需依赖setuptools的编译流程
  • CUDA版本必须和PyTorch依赖的CUDA版本完全一致,避免运行时出错

内容的提问来源于stack exchange,提问作者Richard

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.12 13:33:00