记录tensorflow2.0源码单元测试(使用bazel)流程2——在ubuntu18.04上进行测试

Windows10上测试请参阅：记录tensorflow2.0源码单元测试(使用bazel)流程——在windows10上进行测试

以下是在ubuntu18.04上成功运行tensorflow2.0源码中xxx_test.cc的过程。
一、Ubuntu上测试

1. 下载源码
   下载源码部分与在windows上的一致，都是先安装好git，找一个空的文件夹直接
   git clone -b r2.0 https://github.com.cnpmjs.org/tensorflow/tensorflow.git即可

2. 安装Bazel
   在ubuntu上安装Bazel个人认为比windows简单很多，只需要执行一些命令，不像windows上要自行安装各种软件。
   首先还是给出官方的教程，拉到最下面我们使用“Using the binary installer”的方法安装。
   打开bazel在github上的releases界面，找到合适的版本（tensorflow2.0对应的是0.24.1~0.26.1）我们选择0.25.1，下载bazel-0.25.1-installer-linux-x86_64.sh。
   下载好之后我们根据官方的教程走：
   步骤1，安装需要的包，主要是C++的编译器和解压工具，执行
   sudo apt install g++ unzip zip
   此外，官方说的是如果还需要build java的代码，需要安装下面这个jdk（ubuntu18.04）
   sudo apt-get install openjdk-11-jdk
   ubuntu16.04请执行这句
   sudo apt-get install openjdk-8-jdk
   根据亲身测试，在tensorflow源码bazel的过程中是需要这个jdk的。
   我一开始就没装它，bazel执行后就会弹出与java相关的错误，找不到某些文件（具体错误我没有记录下来），然后我又回头装了一下这个jdk，就顺利bazel了（也没有出现其他问题）。

   步骤2，运行安装文件
   首先给下载的二进制文件执行权限
   chmod +x bazel-<version>-installer-linux-x86_64.sh
   然后执行该文件
   ./bazel-<version>-installer-linux-x86_64.sh --user

   步骤3，把bazel添加进环境变量（按照官方教程来就行）

3. 运行测试程序
   与在windows下一致，直接进入tensorflow源码文件夹，在命令行中输入代码测试对应的test文件，具体代码参考stackoverflow的这个问题。
   比如执行：bazel test //tensorflow/core/kernels:unique_op_test
   此时程序开始运行，等待所有文件（大概是预处理？）完成即可。
   等待一段时间后，你会看到[xxx/xxx]个文件完成，这时候再次执行bazel test会非常快速地完成build，如果出现这样的提示，就说明已经无错误地完成了build并且跑了一遍。
   另外关于bazel build和bazel run的异同可以参考这里，我使用的是bazel test。

二、寻找xxx_test.cc文件的输出

此时，我们已经完成了tensorflow源码内test文件的测试，然而我们在命令行内并没有看到任何反馈，只看到了一些绿色的INFO，告诉我们Build成功了，程序也可以跑起来，用了多长时间等。
但是我们只得到这些反馈还不够，对于xxx_test.cc文件中具体的函数，我们想要知道它具体执行的逻辑是怎样的，我们需要函数内部的输出反馈。
比如，某个函数在执行的时候是应该会输出某些text的，但是我们在命令行内并没有看到，那它们在哪呢？
就我的具体情况来说，我把tensorflow的源码放在了ubuntu主文件夹的Download文件夹内，即（~/Download/tensorflow），函数的输出以.log的形式被存在了
~/.cache/bazel/_bazel_yourname/22027de37d218271e4c501ed35373e46/execroot/org_tensorflow/bazel-out/k8-opt/testlogs/tensorflow/core/kernels/unique_op_test/test.log
注意彩色的部分，蓝色的yourname代表的是你ubuntu的用户名，紫色的部分代表的是你bazel的那个test文件在tensorflow源码文件夹内的位置，刚才我测试的是：/tensorflow/core/kernels/unique_op_test.cc这个文件，所以.log的生成位置与其所在路径一致，即紫色的部分。
无论你测试哪个test文件，它都会在testlogs文件夹内的对应位置生成test.log，我们打开这个log文件即可看到xxx_test.cc文件内的test函数执行后的输出了。另外，对于这个很长的路径内的以很多数字为名字的文件夹，我觉得应该是随机生成的。

之后就可以愉快地边改代码边运行，有了调试方法，代码的成功率也会大大提升~