ubuntu20.04 自己编译源码安装tensorflow

自己编译源码安装tensorflow

---

前言

为什么要自己编译源码呢？自己编译tensorflow，为自己的机器定制一个tensorflow版本，不需要的模块可以不编译，算是为自己裁剪奠定一点基础。还有一个好处是，可以直接拉取最新的开源代码，这往往要比别人快几个月体验新特性。然而自己编译源码会遇到很多错误，而且每个人因为环境不一样，报的错误也不一样。一般都是缺少包，或者包的名字有差异，版本不对，一个个根据错误信息去解决。Come ON！

---

1 准备工作

1.1 下载源码

因为国内github过于慢，可以在gitee上下载。

1.2 安装bazel

网上有很多方式，不去外网的前提下唯一成功的方式是下面的办法。

npm install -g @bazel/bazelisk

2 编译tensorflow

2.1 配置选项

在tensorflow的源码根目录下运行configure，根据对话选择要支持的特性。

./configure

补充说明运行configure时出现的几个名词：
RoCm–AMD GPU生态
TensorRT–加速神经网络实时计算，这个特性的支持一般要落后一个大版本，也就是说英伟达支持TensorRT8的时候，tensorflow才支持TensorRT7。也就是最新出的GPU，tensorflow往往支持的不好。

2.2 编译CPU版本的tensorflow

使用bazel编译cpu版本的tensorflow，指定--jobs的目的是防止bazel编译时吃掉全部内存而导致编译失败。如下命令中参考数字--jobs=16，机器实际物理内存为32G。

bazel build  //tensorflow/tools/pip_package:build_pip_package --jobs=16

2.3 编译GPU版本的tensorflow

在编译GPU版本时，提示找不到python，解决的办法是创建一个名为python的软链接指向python3。

ln -s /usr/bin/python /usr/bin/python3

bazel build  --config=cuda //tensorflow/tools/pip_package:build_pip_package --jobs=16

3 构建pip安装包

多一句嘴，tmp目录实际上是内存虚拟文件。

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

4 安装pip包

敲了目录/tmp/tensorflow_pkg/，后面可用tab自动补齐tensorflow的版本信息。如下图，成功安装了tensorflow的最新发布版本，此时该版本还没有进入到pip install。自己安装的源码，不要在tensorflow源码中启动python，到后导入tensorflow，这是从设计角度所禁止的行为。

pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl