在linux18.04上配置tensorflow1.14的C++接口

---

随便吐槽下：

前段时间因为项目的原因在ARM上配置了tensorflow以及tensorflow lite的ARM NN SDK环境（有兴趣的朋友可以去看看传送门），因为最近板子还没有到，就想先试一下在pc上配置一下linux上的tensirflow的C++环境。这边文章主要记录一下在配置tensorflow的C++环境时的步骤以及踩到的坑。总的来说，之所以去编译，就是为了以后方便在自己做的东西上面使用google的tensorflow库。找了一圈发现大致有两种方法，一种是把项目放到tensorflow源码中，然后利用bazel编译，这样编译时间较长，而且编译出来的二进制文件较大。另一种是将tensorflow的静态库编译出来拿到项目中使用，这种方法易于管理。这篇文章主要讲的就是第二种方法。

---

准备工作：

首先下载tensorflow的源码（这里有个坑，建议不要直接克隆master分支，这里我也不知道为啥，下载了master分支里面没有contrib文件夹，而下载指定版本就有，希望有懂的大佬可以指导一下）：

# 下载指定的版本1.14.0 
git clone -b v1.14.0 https://github.com/tensorflow/tensorflow.git
# 进入tensorflow文件夹
cd tensorflow
# 配置tensorflow
./configure

这里的./configure可以配置也可以不选择配置，如果需要配置的话可以参照官网的选项说明进行配置，我这里没有选择配置。接下来需要安装对应版本的bazel和gcc，查看官网推荐来选择对应版本，这里我贴出了linux的版本要求：

我用的是tensorflow-1.14.0，选择的是python2.7、GCC 4.8、Bazel 0.24.1。

因为linux18.04默认版本为gcc-7，所以需要降低版本，降低gcc版本的方法推荐使用命令：

# 直接apt安装需要的版本
sudo apt-get install gcc-version
# 设置链接组优先级
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 10
# 使用配置命令可以手动选择
sudo update-alternatives --config gcc

bazel安装推荐官网下载.sh文件直接安装，安装方法——>传送门

然后安装一下python和tensorflow的一些依赖：

# python组件（如果是python3则改成后面那种）
sudo apt install python-dev python-pip（python3-dev python3-pip）

# tensorflow依赖项
pip install -U --user pip six numpy wheel setuptools mock
pip install -U --user keras_applications --no-deps
pip install -U --user keras_preprocessing --no-deps

这里建议再安装一下future：pip install future，

不然后面用bazel编译时会报错：importError：No module named builtins

---

编译源码：

使用下面这个命令需要你懂的网速，不然下载一些依赖项时，会非常的慢。

# 编译源码(如果要调用cuda，加命令--config=cuda)
bazel build //tensorflow:libtensorflow_cc.so

按理说运行下面这个命令就会在bazel-bin/tensorflow文件夹下生成libtensorflow_cc.so和libtensorflow_framework.so，但是我在运行之后并没有看到libtensorflow_framework.so这个库，只有libtensorflow_framework.so.1，这里我纠结了很久，一直没有找到解决方法，在其他博客上看到的方法不知道是版本问题或者是因为时间问题，在我这里都不起作用，然后我尝试了一下：

bazel build //tensorflow:libtensorflow_framework.so

没想到一下成功了，我也不知道是侥幸还是什么版本更新的问题&#x