Ubuntu 16.04中用bazel交叉编译tensorflow lite

最新推荐文章于 2024-08-18 16:27:38 发布
最新推荐文章于 2024-08-18 16:27:38 发布
阅读量5.3k 收藏 3
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/allen1880/article/details/81025941
版权
本文介绍了在 Ubuntu 16.04 中使用 bazel 进行 TensorFlow Lite 的交叉编译过程，遇到的报错及解决方案，包括 bazel 编译选项错误和依赖问题，以及如何修改编译目标和添加-I 编译选项来避免错误。
摘要由CSDN通过智能技术生成

首先在csdn上着了大神关于这个的实践如下链接

https://www.cnblogs.com/jojodru/p/7744630.html

但是报错如下，说是找不到opt选项。

 

INFO: Reading rc options for 'build' from /home/allen/project/tensorflow180711/tools/bazel.rc:
  'build' options: --define framework_shared_object=true --define=use_fast_cpp_protos=true --define=allow_oversize_protos=true --define=grpc_no_ares=true --spawn_strategy=standalone --genrule_strategy=standalone -c opt
ERROR: Config value opt is not defined in any .rc file
INFO: Reading rc options for 'build' from /home/allen/project/tensorflow180711/tools/bazel.rc:
  'build' options: --define framework_shared_object=true --define=use_fast_cpp_protos=true --define=allow_oversize_protos=true --define=grpc_no_ares=true --spawn_strategy=standalone --genrule_strategy=standalone -c opt
ERROR: Config value opt is not defined in any .rc file
INFO: Reading rc options for 'build' from /home/allen/project/tensorflow180711/tools/bazel.rc:
  'build' options: --define framework_shared_object=true --define=use_fast_cpp_protos=true --define=allow_oversize_protos=true --define=grpc_no_ares=true --spawn_strategy=standalone --genrule_strategy=standalone -c opt
ERROR: Config value opt is not defined in any .rc file
INFO: Reading rc options for 'build' from /home/allen/project/tensorflow180711/tools/bazel.rc:
  'build' options: --define f
最低0.47元/天 解锁文章
希他爸
关注
【名名的Bazel笔记】自定义工具链实现交叉编译
易名
09-19 3753
文章目录1 前言2 Non-Platform 方式3 Platform 方式3.1 平台3.1.1 概述3.1.2 定义约束和平台3.1.3 通用的约束和平台3.1.4 指定平台构建3.2 工具链3.3 Platform + Toolchain 实现平台方式构建4 小结5 参考资料 1 前言 本文会讲述 Bazel 自定义工具链的两种方式，Platform 和 Non-Platform 方式。会存在这两种方式的原因是 Bazel 的历史问题。例如，C++ 相关规则使用 --cpu 和 --crosstoo.
bazel源码编译Tensorflow
Code Wang的博客
05-11 5211
因为研究需求，要从Tensorflow源码编译libtensorflow_cc.so和libtensorflow_framwork.so两个库，工具是bazel。 编译硬件需求：GCC4.8以上，bazel0.10.0以上，tensorflow r1.8。 我的硬件需求：GCC7.3.0，bazel0.15.0，tensorflow r1.8。 GCC安装就不用说了，一般Linux自带，gc...
bazel-mcu:bazel工作区，用于交叉编译为微控制器架构（到目前为止仅AVR）
05-05
挡板的MCU工作区 生成应用程序并生成一个elf文件运行 bazel build //app --config 328p 将应用程序的elf文件转换为十六进制文件运行 bazel build //app:hex --config 328p 将该应用程序刷新到您的设备上 bazel build //app:flash --config 328p 您需要安装avr-gcc。 更改工具链/ CROSSTOOL以适合您的安装路径。 要添加对其他AVR CPU的支持，请将新配置添加到tools / bazel.rc。
bazel 交叉编译tensorflow
mznfirst的博客
01-07 2641
在树莓派上安装tensorflow 源码编译安装bazel Install a Memory Drive as Swap for Compiling 由于树莓派运行内存较小，只有1G，所以我们先增加虚拟内存 First, put insert your USB drive, and find the /dev/XXX path for the device. As an example, my ...
【人工智能】TensorFlow lite介绍、应用场景以及项目实践：使用TensorFlow Lite进行数字分类
最新发布
weixin_51306394的博客
08-18 1822
TensorFlow Lite（简称TFLite）是谷歌开发的一种轻量级的深度学习框架，专为移动设备和嵌入式设备设计。它是TensorFlow的移动和嵌入式设备版本，旨在帮助开发者在资源受限的设备上执行机器学习模型。TensorFlow Lite通过解决延时、隐私、连接性、大小和功耗等约束条件，针对设备端机器学习进行了优化。
针对ARMv7芯片的Tensorflow交叉编译环境配置
diqinhun8200的博客
09-20 2355
由于PC版Linux多数内核为X86或X64，而目标芯片为ARMv7，直接编译出来的版本，是无法直接用于芯片的，所以，需要配置交叉编译环境。 安装交叉编译环境步骤如下： 　１、安装Bazel 方法一：参考该链接：https://www.cnblogs.com/jimchen1218/p/11551380.html，第3小节。 方法二： ...
Ubuntu系统使用bazel工具编译TensorFlow
菜根的博客
12-14 2678
    在安装bazel用于把深度学习模型部署到手机时（Use the binary installer (recommended)），遇到了以下问题，这里把解决手段记录下来，供大家参考。 官方教程请参考https://docs.bazel.build/versions/master/install-ubuntu.html#install-with-installer-ubuntu tan@u...
【TensorFlow 2.0】Ubuntu16.04 虚拟环境中安装TensorFlow 2.0（CPU）
12-21
在Ubuntu 16.04上安装TensorFlow 2.0的CPU版本，需要遵循一定的步骤，确保系统满足TensorFlow的最低要求，并正确地配置虚拟环境。以下是对这些步骤的详细说明： **第一步：TensorFlow 2.0系统要求** 在安装...
Ubuntu16.04版本安装Anaconda+Tensorflow
Zhenguo_Yan的博客
09-27 2400
Ubuntu16.04版本安装Anaconda+Tensorflow Ubuntu16.04系统下安装软件一直是“心头大患”，特别是安装Anacondahe和Tensorflow，可以说是一波三折。为了不让大家走弯路，快速的完成Anacondahe和Tensorflow的安装使用，本文结合自身的亲身体验介绍一个进行成功案列，既简单又实用。安装前确保Ubuntu16.04已经安装好，方法步骤：
Ubuntu16.04 ARM/Qt 交叉编译环境搭建
colinjen的博客
03-06 3718
嵌入式开发Ubuntu16.04 ARM/Qt 交叉编译环境搭建背景环境说明安装交叉编译工具下载Qt源码包编译Qt源码安装QtCreator配置QtCreator应用QtCreator交叉编译 Ubuntu16.04 ARM/Qt 交叉编译环境搭建 最近由于工作需要，接触到交叉编译，鉴于之前没有完整做过这方面的工作，记录一下。后续也会尽量把相关的内容都加入进来 背景 最近由于客户需求，要将windows下的一个网络相机的sdk移植到嵌入式环境下，客户用的开发板是toybrick-3399Pro，目前手上
Bazel_bin：Bazel针对armv7l aarch64 x86_64的预构建二进制文件
02-06
Bazel_bin：Bazel针对armv7l aarch64 x86_64的预构建二进制文件
Ubuntu16.04下C++编译Tensorflow以及API使用
qq_30534935的博客
07-16 1110
参考文章： https://blog.csdn.net/qq_29462849/article/details/84986592 https://blog.csdn.net/qq_25109263/article/details/81285952 https://blog.csdn.net/zwx1995zwx/article/details/79064064 文章简介： 我们一般使用python...
在Windows下编译Bazel和使用Bazel编译tensorflow（使用TensorFlow Lite将ssd_mobilenet移植至安卓客户端）
qq_41627642的博客
08-05 2244
背景 有时需要最新版的tensorflow安装文件国内镜像网站又还没提供,或者需要一个针对你自己的机器环境的版本，这时知道怎么自己从源码编译出tensorflow的whl安装文件就必须的了，要自己编译首先就得了解下Bazel这工具，谷歌废弃使用CMake改用并力推自己的Bazel看来这是大势所趋，花了几天时间琢磨了下Bazel的编译和使用Bazel编译tensorflow，一般人工作都没同时配有几台机器，Windows日常工作又得时时开着，至于自己花钱攒机器的就不要说了，为了使用Linux环境弄个VM在硬件
bazel编译tensorflow,生成tflite
red_ear的博客
03-16 1323
注意：在编译过程中出现的问题基本都可以归结为bazel与tensorflow版本不匹配。 1. 首先下载tensorflow源码。 git clone https://github.com/tensorflow/tensorflow 2.进入下载好的tensorflow目录： 3.打开configure.py，查看该源码对应的bazel版本。非常重要 我这里是2.0.0 4.下...
使用bazel从源代码编译tensorflow踩坑记录
热门推荐
surtol的博客
07-29 1万+
文章目录
bazel编译tensorflow源码
qq_33798537的博客
05-25 475
下载合适版本的的tensorflow源码(注意tensorflow的版本与CUDA和cuDNN对应) https://github.com/tensorflow/tensorflow/releases 本文选择的版本是Release 1.10.0 2．选择合适版本的bazel(注意与tensorflow的版本匹配) https://github.com/bazelbuild/bazel/releases 本文选择的版本是Release 0.15.0，注意源码编译需要选择dist版本不要选择source .
在Ubuntu 16.04上使用bazel交叉编译tensorflow
weixin_30955341的博客
10-27 1170
　　鸽了这么久，正式开工 　　Author: carbon　　email: ecras_y@163.com 　　参考资料: https://github.com/tensorflow/tensorflow https://github.com/snipsco/tensorflow-build 　　年中6月份的时候被抽到AI项目组，有幸接触目前最火的深度学习神经网络，...
Win10 bazel源码编译Tensorflow_GPU全过程(自己已经编译成功了)
CV_shrimp的博客
11-29 2114
最近在工作中要做tensorflow模型进行8Bit量化，上网搜了一下需要对tensorflow源码进行编译，然后不知不觉进入了深坑，网上博客各种看，看得那叫个眼睛疼，然后一步步实现，到最后都编译失败，那真心叫个酸爽，业界良心呐！看到这篇博客的你是不是正打算入坑呢？抑或是在坑里还没爬出来呢？来吧！开始搬砖…… 先放上成功编译的结果，信心是不是爆棚了呢 （1）安装VisualStudio20...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值