ambarella编译环境指导书_A1从源码编译安装tensorflow-gpu

人工智能部署及应用赛项训练指导书

编写：王俊 @ 北京工业职业技术学院

日期：2019年3月

附录1 从源码编译安装tensorflow-gpu

pip源里的tensorflow-gpu（1.12.0）要求显卡的compute capability要大于等于3.5。如果 希望在旧显卡上开启tensorflow的gpu加速（比如K2100M的compute capability是3），则需 要从源码构建tensorflow。

A1.1 安装依赖

在安装以来之前，需要完成0设备复原。构建过程中需要用到python3.6的头文件，所以 需要安装python3.6-dev

sudo apt install python3.6-dev

A1.2 安装Bazel

训练环境使用的tensorflow的版本是1.12.0，该版本需使用bazel 0.15.2构建，使用新版本 的bazel构建会出现如下错误信息：

ERROR: Config value cuda is not defined in any .rc file

下载完成后，运行安装程序：

chmod +x bazel-<version>-installer-linux-x86_64.sh
./bazel-<version>-installer-linux-x86_64.sh --user

--user参数将Bazel安装到$HOME/bin目录下。

A1.3 下载源代码

用git下载tensorflow源码，并切换tag到v1.12.0

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
git checkout v1.12.0

A1.4 配置构建参数

运行configure脚本进行参数配置：

./configure

配置过程中会询问最低的compute capability限制值，以K2100M显卡为例，需要填写3.0，其 他配置细节参考

https://www.tensorflow.org/install/source​www.tensorflow.org

A1.5 构建并安装

构建CPU版的tensorflow

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

构建GPU版的tensorflow

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

构建时间较长，完成后，会生成一个叫做build_pip_package的可执行文件，用来组包可供 pip使用的whl文件。

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

安装tensorflow包

pip install /tem/tensorflow_pkg/tensorflow-xxxx.whl

参考资料

Installing Bazel on Ubuntu​docs.bazel.build tensorflow/tensorflow​github.com

bazelbuild/bazel​github.com