本文操作步骤与 aarch64架构CPU下Ubuntu系统环境源码编译pytorch-gpu-2.0.1版本大致相同，只是CPU架构不同而已，因此这里只记录不同的地方。
重点：
一个个人心得，那就是要编译pytorch源码最好是选择docker环境，因为这种环境下配置比较纯净，一定要避免那种自己使用多年的Linux系统，那种使用多年的老系统中各种配置都比较混乱，如果这么使用往往导致最好编译pytorch源码的失败。
一定要使用docker镜像环境进行pytorch源码编译！！！
一定要使用docker镜像环境进行pytorch源码编译！！！
一定要使用docker镜像环境进行pytorch源码编译！！！
---------------------------------------------------------------------------------------
编译的系统环境：
docker镜像这里的选择为：
命令：（参考：如何拉取指定CPU架构并且指定ubuntu版本并且指定cuda和cudnn版本的docker镜像）
docker pull --platform=linux/x86_64 nvidia/cuda:12.1.1-devel-ubuntu22.04
源码下载方法建议使用代理（跳墙）：
参考：git clone 如何通过proxy进行远程代码仓库拷贝下载
（至于怎么找proxy站点这个实在无法言说）
anaconda环境下编译，安装相关依赖：
conda install cmake ninja # Run this command from the PyTorch directory after cloning the source code using the “Get the PyTorch Source“ section below pip install -r requirements.txt
(性能加速组件，可选择性安装)（对应的版本是否存在需要参考：https://anaconda.org/pytorch/repo）
conda install mkl mkl-include # CUDA only: Add LAPACK support for the GPU if needed conda install -c pytorch magma-cuda121 # or the magma-cuda* that matches your CUDA version from https://anaconda.org/pytorch/repo # (optional) If using torch.compile with inductor/triton, install the matching version of triton # Run from the pytorch directory after cloning make triton
编译：
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py develop
打包：
pip wheel .
===============================================
执行完打包命令后在源码目录下找到编译后的文件：
安装：
运行报错：
ImportError: /root/anaconda3/lib/./libstdc++.so.6: version `GLIBCXX_3.4.30' not found (required by /root/anaconda3/lib/python3.11/site-packages/torch/lib/libtorch_python.so)
查看当前环境下使用的libstdc++.so文件的具体情况：
查询系统中是否有版本GLIBCXX_3.4.30的libstdc++.so文件：
find / -name libstdc++.so.6
查询其他位置的版本是否支持：
strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6| grep GLIBCXX_3.4.30
修改当前环境下的libstdc++.so.6的指向：
rm /root/anaconda3/lib/./libstdc++.so.6
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30 /root/anaconda3/lib/./libstdc++.so.6
再次运行pytorch：
成功执行。
-------------------------------------------------------------------
需要注意的是在运行docker容器时应该确认下容器环境内是否可以使用GPU：
标签：libstd,X86,c++,编译,pytorch,源码,docker From： https://www.cnblogs.com/devilmaycry812839668/p/17593158.html