在 ARM 上装好 MediaPipeaarch64 源码构建完整指南【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe想在 Jetson 或树莓派上跑 MediaPipe 人脸检测吗x86 机器上一条pip install mediapipe就能解决但 ARMaarch64平台上这条命令会直接失败官方 PyPI 包只提供 x86_64 的 wheel没有 aarch64 版本。这不是你的环境问题是官方确实没发。这篇文章给出两条可行路线从源码构建或者用社区维护的 aarch64 适配包。先说结论两条路线怎么选路线 A源码构建。适合你愿意装 Bazel、OpenCV 这套工具链或者本地代码有改动、需要自己出 wheel 的场景。耗时以小时计但产出完全可控。路线 B社区预编译包。适合只想快速在 Jetson / 树莓派上跑起来、不想碰构建系统的人。拿到现成 wheelpip install即可。两条路线的验证方式相同见后文。路线 A从源码构建 MediaPipe wheel第一步确认工具链三件套你的机器需要先具备三样东西BazelMediaPipe 的构建系统、OpenCV图像处理依赖、一个干净的 Python 虚拟环境。Bazel 和 OpenCV 的版本与安装方式以仓库内 docs/getting_started/install.md 和 docs/getting_started/python.md 为准这里不替你猜版本号。Jetson 这类系统的 OpenCV 往往要用官方为 TensorRT 编译的版本装错来源是后续报错的高发区。第二步装系统依赖并创建虚拟环境下面的命令安装编译所需头文件、虚拟环境支持、protoc 和 cmake然后创建并激活一个隔离环境sudo apt install python3-dev python3-venv protobuf-compiler cmake python3 -m venv mp_env source mp_env/bin/activate第三步获取源码并构建克隆仓库安装 Python 依赖再构建。--link-opencv表示链接系统里已装的 OpenCV不从头编译它git clone https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe pip3 install -r requirements.txt python3 setup.py install --link-opencv如果后面想在别的机器上复用产物用python3 setup.py bdist_wheel生成 wheel 文件再pip install dist/mediapipe-*.whl安装。首次构建很慢Bazel 要拉取全部依赖并全量编译耐心等即可中途别打断。构建后的验证构建完成后用一小段 Python 代码确认包能正常导入、solutions 模块可用。仓库自带的人脸检测测试图也直观展示了它检测出的效果import mediapipe as mp mp.solutions.face_mesh print(MediaPipe on aarch64 OK)没有任何报错导入成功就说明 ARM 上的 MediaPipe 装好了。想进一步确认可以直接跑仓库 examples/desktop/ 下的示例工程。路线 B社区维护的 aarch64 适配项目如果你不想自己扛完整构建可以找社区维护的 MediaPipe Python aarch64 项目。它的定位很明确面向 Nvidia Jetson、树莓派这类设备提供针对 aarch64 的构建脚本和预编译 wheel省去 Bazel 工具链配置。这类项目不在本仓库内获取方式以项目自身的 README 为准使用前核对它的构建基于哪个 MediaPipe 版本、匹配哪个 Python 版本别直接拿给不匹配的 Python 装。适合的场景一句话设备端要跑业务构建过程不想碰。构建失败的 3 种常见原因现象pip install mediapipe报No matching distribution found原因PyPI 没有 aarch64 wheelpip 找不到匹配平台的包。 处理这正是本文存在的意义——改走源码构建或社区包别在 pip 上继续重试。现象Bazel 构建中途报 OpenCV 相关错误或运行时报ImportError: libopencv_*.so原因找不到 OpenCV或找到的是架构 / 版本不匹配的那份Jetson 上常见系统里同时存在源码编译版和 JetPack 自带版。 处理确认python3 -c import cv2; print(cv2.__file__, cv2.__version__)输出指向你预期的那份构建时加--link-opencv指向系统库。现象构建卡在 Fetching 或下载依赖阶段长时间不动、失败原因依赖走网络拉取网络受限或代理没配置时最易发生。 处理给 Bazel 配置代理或本地缓存重跑同一条构建命令Bazel 会续上已下载部分不用从头再来。收尾总结成一句话aarch64 上没有官方 wheel要么按「Bazel OpenCV 源码构建」自己造一个要么直接用社区的 aarch64 适配包。装完都用同一条命令验证python3 -c import mediapipe as mp; print(mp.__file__)能打印出路径、无报错MediaPipe 就在你的 ARM 机器上跑起来了。【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考