protobuf使用详解_TF--C++动态库编译从头到尾的详解

Hi各位，专栏有点时间没有更新文章啦，主要是由于工作方面有点忙（拖延癌），不过这次终于能够抽出空来写文章啦。本次带来TF C++动态库的编译指导，下次的话预告下应该是YOLOv3算法详解，时间方面小七争取尽快写作完成啦，哈哈哈（拖延癌晚期）

OK，进入正题，小七了解到平时大家都比较习惯python+tensorflow的组合进行模型搭建、训练和推理，理由是两者耦合的生态比较好（用的多，支持多）。不过，从工程化的角度来讲，使用C++编码可以使得代码执行效率更高，服务更加稳定，也更容易嵌入C++开发的各种应用之中（C++的工程化应用比较广阔）。小七最近工作上也比较多需要使用tensorflow C++接口进行编程的工作，所以，本次给大家带来的是Tensorflow C++动态库编译从零开始从头到尾的一个技术详解。

前置条件

开始前，小七把编译动态库的一些前置条件、环境先贴出来下：

先贴一个tensorflow 编译为pip安装包的各个环境对应关系，链接，可以用来参考如何构建C++动态库。直接拉到Tested build configurations：

依赖关系

理论上按照上述的各个依赖对应关系去编译C++动态库都能够成功，小七列一个例子：

• 系统 Ubuntu 16.04
• bazel 0.15.0，在github上下载对应版本，通过这个指导编译安装。
• cuda 9 + cudnn7+nccl2.4.8，安装指导，nccl安装
• gcc 4.8.5，多版本共存和切换
• python 3.5.2 + python3-dev，加上six、numpy、wheel包，建议新开一个virtualenv环境安装上述依赖。

sudo apt-get install python3-dev
virtualenv cpp_tf -p python3
source cpp_tf/bin/activate
pip install six numpy wheel

• tensorflow source 1.12，网页切换到r1.12版本下载zip文件 or：

git clone https://github.com/tensorflow/tensorflow/tree/r1.12

OK，完成上述的环境自查和安装后，我们就可以开始进行动态库的编译了。

步骤一：编译配置，生成tensorflow_cc.so（请注意保持cpp_tf的虚拟环境激活状态）

cd tensorflow-r1.12
./configure

configure的过程中，基本上都是enter就可以，除了：是否支持CUDA选择y，cuda位置输入‘/usr/local/cuda-9.0’（具体看你的配置）, nvcc版本输入2.4.8，其他一步下来全部选择默认即可。如下图：

配置过程中可能会出现：'site' has no attribute "getsitepackages"，忽略即可。

bazel build --config=opt //tensorflow:libtensorflow_cc.so

编译预计花费30分钟，完成后在bazel-bin/tensorflow下面生成libtensorflow_cc.so和libtensorflow_framework.so两个文件。

步骤二：编译其他依赖（eigen、protobuf等）：

开始前先确定下tensorflow/workspace.bzl里面的protobuf版本是哪个，看是否和download_dependecies.sh里面下载的版本一致。如果不的话，会报This file was generated by a newer version of protoc which is i