這篇文章給大家分享的是有關(guān)TensorFlow源代碼編譯構(gòu)建安裝包的示例分析的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過來看看吧。
成都創(chuàng)新互聯(lián)專注于企業(yè)全網(wǎng)整合營銷推廣、網(wǎng)站重做改版、江岸網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、HTML5、電子商務(wù)商城網(wǎng)站建設(shè)、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為江岸等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。
最近公司給我們分配了2臺虛擬機(jī)服務(wù)器用于強(qiáng)化學(xué)習(xí)訓(xùn)練，我們在虛擬環(huán)境中安裝好了TensorFlow環(huán)境后，在import tensorflow時(shí)發(fā)現(xiàn)報(bào)了下面的錯(cuò)誤：
于是我去Google搜索了下出現(xiàn)這個(gè)錯(cuò)誤的原因，發(fā)現(xiàn)是因?yàn)槲覀兎?wù)器的CPU不支持AVX指令集導(dǎo)致的，而使用pip安裝的TensorFlow需要依賴AVX指令集，為了確認(rèn)我們的CPU是否真的不支持AVX指令集，我使用cat /proc/cpuinfo 命令查看了下目前CPU指令集支持情況，發(fā)現(xiàn)我們的CPU果然不支持AVX指令集。 又不支持又想用咋辦，后來經(jīng)過網(wǎng)上查詢了一下，我們可以自己使用TensorFlow的源代碼來編譯和構(gòu)建一個(gè)TensorFlow的版本，這樣的話就可以在不支持AVX指令集的機(jī)器上使用TensorFlow了。于是我按照官網(wǎng)https://www.tensorflow.org/install/source給出的步驟來嘗試從源碼自己編譯和構(gòu)建TensorFlow。 在構(gòu)建TensorFlow之前，我們要先做兩件事：
在下載TensorFlow源碼如果網(wǎng)速比較好的話，可以直接使用下面的命令從GitHub倉庫中克隆TensorFlow代碼庫的源碼：
git clone https://github.com/tensorflow/tensorflow.gitcd tensorflow
如果網(wǎng)速堪憂的話，可以直接先下載zip版本，然后再傳到服務(wù)器上，我使用的是后者。
注意：這里的代碼庫默認(rèn)的是master開發(fā)分支。 下載和安裝Bazel構(gòu)建工具這里我要特別說一下，一般來講，Bazel的安裝方式有2種，一種是使用Bazelisk來安裝，另外一種是手動(dòng)安裝，我使用的是后者。在官網(wǎng)中會(huì)告訴你，你可以安裝在GitHub中可以是 tensorflow/configure.py 中指定的介于 _TF_MIN_BAZEL_VERSION 和 _TF_MAX_BAZEL_VERSION 之間的任意版本，但是，
這里是一個(gè)坑。因?yàn)樵谶@里他說可以安裝3.10~3.99種的任意一個(gè)版本，于是乎我安裝了一個(gè)3.70的版本，等到真正編譯的時(shí)候，他會(huì)告訴你，這個(gè)版本不匹配，需要你安裝3.10的版本，于是只能卸載重新安裝。 接下來我們需要按照bazel，首先要安裝一些依賴：
apt install curl gnupg
curl -fsSL https://bazel.build/bazel-release.pub.gpg | gpg --dearmor > bazel.gpg
mv bazel.gpg /etc/apt/trusted.gpg.d/
echo "deb [arch=amd64] https://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
接下來我們可以使用apt update && sudo apt install bazel-3.1.0命令直接安裝就好。 到目前為止我們已經(jīng)安裝好了bazel編譯工具，也下載了TensorFlow的源碼，那么接下來就要開始準(zhǔn)備編譯和構(gòu)建TensorFlow了。 在這之前我們還需要去安裝一些相應(yīng)的依賴，使用如下命令即可：
pip install six numpy wheel setuptools mock 'future>=0.17.1'
pip install keras_applications --no-deps
pip install keras_preprocessing --no-deps
然后我們使用gcc --version查看下我們的gcc版本，我的是18.04自帶的7.5.0，可用。 接下來就是真正的編譯環(huán)節(jié)了。首先我們進(jìn)入到從GitHub中下載的TensorFlow源代碼，并執(zhí)行 這個(gè)時(shí)候會(huì)讓你去做一些配置相關(guān)的信息：
Please specify the location of python. [Default is /root/miniconda3/envs/ray/bin/python3]:
這一句是讓你輸入Python所在的位置，如果沒錯(cuò)的話直接回車，如果想修改的話就輸入你的Python所在的目錄；
Found possible Python library paths:
/root/miniconda3/envs/ray/lib/python3.8/site-packages
Please input the desired Python library path to use. Default is [/root/miniconda3/envs/ray/lib/python3.8/site-packages]
這一步讓你去輸入Python library所在的位置，和上面一樣，我這里直接回車。
Do you wish to build TensorFlow with ROCm support? [y/N]: N
這一步是問你是不是要build一個(gè)支持ROCm的TensorFlow版本，在這里我選擇N。
Do you wish to build TensorFlow with CUDA support? [y/N]: N
這一步是問你是不是要build一個(gè)支持CUDA的TensorFlow版本，因?yàn)槲疫@個(gè)是要在分布式集群的CPU版本用的，這個(gè)服務(wù)器里沒用CUDA，所以我選擇N。
Do you wish to download a fresh release of clang? (Experimental) [y/N]: N
這一步是問你是不是希望狹隘一個(gè)clang是release版本，這里我一開始選擇的是Y，由于我網(wǎng)速不好，下載報(bào)錯(cuò)，然后就選擇了N；Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]:
這一步是讓你輸入一個(gè)編譯時(shí)候的優(yōu)化器，在這里我直接用默認(rèn)的，就直接回車了；
Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: N
這一步是問你是不是需要支持Android，我這邊不需要，所以直接N，否則的話會(huì)讓你選擇你Android SDK的版本之類的；
當(dāng)這些都配置完成之后，就會(huì)彈出來一個(gè)你的配置信息。 接下來就要真正的開始去編譯你的TensorFlow源碼了，由于我使用的是不帶CUDA的版本，所以我直接使用如下命令即可：
bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
編譯好會(huì)看到下面的信息：（由于我自己這塊沒有截圖，用了個(gè)網(wǎng)圖，我用老的CPU花了7500多秒）
編譯好之后，我們就可以在TensorFlow源代碼目錄輸入以下命令，來構(gòu)建最終的pip安裝包：
./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
在這里，/tmp/tensorflow_pkg是我自己定義的最終安裝包輸出的位置，結(jié)束后，我們可以cd到 /tmp/tensorflow_pkg目錄中，查看里面的內(nèi)容：
可以看到，我們最終的pip安裝版本就已經(jīng)完成，接下來我們就可以在命令行里輸入下面的命令進(jìn)行安裝了：
pip install tensorflow-2.5.0-cp38-cp38-linux_x86_64.whl
安裝完成后，我們可以試著在Python交互環(huán)境中導(dǎo)入一下TensorFlow，看看是否有報(bào)錯(cuò)： 我們發(fā)現(xiàn)，可以正常導(dǎo)入和使用，至此，整個(gè)TensorFlow源碼的編譯、構(gòu)建以及安裝環(huán)境完成。感謝各位的閱讀！關(guān)于“TensorFlow源代碼編譯構(gòu)建安裝包的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！
當(dāng)前名稱：TensorFlow源代碼編譯構(gòu)建安裝包的示例分析
文章源于：
http://weahome.cn/article/gdhodj.html
重慶分公司
重慶分公司
