tensorflow1.3+bazel0.5.2 的CPU安装 （在VMWARE虚拟机上）

https://zhuanlan.zhihu.com/p/34765795          

jetpack3.1 + tensorflow1.3 +bazel0.5.2

https://zhuanlan.zhihu.com/p/34696764

一点关于tx2（Jetpack3.2）+tensorflow（1.5）的记录 ，靠谱

自己之前写的关于jetson tx2上面的tensorflow安装

现在，现在的官方和很多开发者主要还是集中在Jetpack3.1上面去安装tf1.3.0 。其实Jetpack3.2已经可以安装tf1.5.0及以上了（要注意jdk的版本最好不要用最新的，而是8u121,不然会出现很多.jar文件的错误 ）

今天，突然想在所有的机子上面安装tf，包括虚拟机，x64ubuntu 真机 （tx2是arm64的，tx2本身就是有着256cuda核的强大的GPU和cpu开发板，所以tx2是一定要GPU安装的）。于是开始

第一个问题，x64ubuntu 真机+GPU安装。官方的意思是计算能力大于3.0的gpu可以进行GPU安装。我的GPU是1050的，基本告别了。

所以思考第二个问题，虚拟机+GPU安装。有3点要说，1）虚拟机虚拟出来的显卡就是垃圾。2）我暂时还没找到VMware怎样能够直接去控制真机显卡的方法.3）之前说了真机显卡也不行，所以条条路都走不通。自己的台式机硬件水平无法支持GPU安装

那么，本期将进行介绍tf的cpu安装

这里就简单了。我只进行了虚拟机的安装。（具体的安装步骤我就不说了，网上一堆 ，我说一些关键点）

1）我自己下的jdk 8u121，来安装java 。之前的博客里有。之所以不用ppa，是被他搞怕了。现在的ppa安装出来的jdk是8u161的，bazel不能很好地支持

2）wget下载bazel

wget --no-check-certificate https://github.com/bazelbuild/bazel/releases/download/0.10.0/bazel-0.10.0-dist.zip

3）解压bazel最好放在自己写的一个文件夹中，不然放在默认的~下，会导致之后安装出现mkdir output/bazel 没有写权限的问题 ，因为~的go的写权限没有（drwxr-xr-x）

4）如果过报错 Python错误：No module named setuptools 

要按咋混个setuptools 

https://www.linuxidc.com/Linux/2017-03/142335.htm

5） 记住在编译安装bazel的时候一定要 sudo cp output/bazel /usr/local/bin/ 把 output/bazel放到path看得见的地方，否则python之后>>>import tensorflow 会报错Exception: Versioning for this project requires either an sdist tarball, or access to an upstream git repository. It's also possible that there is a mismatch between the package name in setup.cfg and the argument given to pbr.version.VersionInfo. Project name mock was given, but was not able to be found.

我用的是 《tensorflow实战google深度学习框架》P32的源码安装方式，网上和这个区别不大，只是在一些依赖上面有区别