银河麒麟(Kylin) - V4 移植Tensorflow-1.10.1版本 + Bazel编译工具编译
原因
项目需求:需要用到Tensorflow工具处理数据,在网络上搜索发现ARM平台没有可以直接安装的安装包,想要用这个工具只能编译源码。在此期间测试了Tensorflow其他版本都是因为编译中报各种错误,导致编译失败。项目需求指定操作系统只能用银河麒麟系统V4版本,Tensorflow版本也是指定只能是1.X版本,不能用最新的2.X版本。还好不指定Tensorflow-1.X后面的小版本号。经过长达一个星期的测试编译各种Tensorflow1.X版本,终于在测试编译Tensorflow-1.10.1版本编译成功了!!!
在此记录、方便以后查看。
测试环境
电脑配置
- 主板 :联想KaiTian M740J
- CPU:飞腾 D2000/8(64位,8核)
- 内存:16G
- 硬盘:256GB
- 系统:银河麒麟桌面操作系统V4
- 平台架构:ARM
准备工作
1、编译Tensorflow有对应的编译工具如图:
注意:
我编译的版本为CPU版本
如果需要GPU版本:点击查看构建工具与Tensorflow对应的版本
2、TensorFlow 软件适配
安装编译需要的依赖包
- Java 8 (e.g. openjdk-8-jre) installed
- Python
- Pip
- NumPy
- python-virtualenv
- Bazel 0.15.0
$ apt-get install python-dev
$ sudo apt update
$ sudo apt install python-pip
$ pip install --upgrade pip
$ pip install setuptools six numpy wheel mock
$ pip install keras_preprocessing
$ apt-get install python-enum34
我的系统自带JDK8版本
没有的话自己下载一个安装:
Install OpenJDK 8
$ wget http://openjdk.linaro.org/releases/jdk8u-server-release-1708.tar.xz
$ tar xvf jdk8u-server-release-1708.tar.xz
$ cd jdk8u-server-release-1708
$ export JAVA_HOME=$PWD
$ cd jre/lib/security/
$ rm cacerts
(for CentOS 7) $ ln --symbolic /etc/pki/java/cacerts .
(for Debian Jessie) $ ln --symbolic /etc/ssl/certs/java/cacerts .
$ cd jdk8u-server-release-1708/bin
$ export PATH=$PWD:$PATH
编译
1、编译安装Bazel
先创建一个bazel-0.15.0文件夹,在解压bazel-0.15.0-dist.zip文件指向这个创建的bazel-0.15.0文件夹。(不指向文件夹的话解压的所有文件都在当前目录下)
进入bazel-0.15.0文件夹
$ mkdir bazel-0.15.0
$ unzip bazel-0.15.0-dist.zip -d bazel-0.15.0
$ cd bazel-0.15.0
执行编译
$ ./compile.sh
#Copy bazel to $PATH
$ sudo cp output/bazel /usr/bin/
如图:出现这行代表编译完成
编译完成bazel在bazel-0.15.0文件夹的output文件夹里
最后打开output文件夹执行:./bazel会有个初始化的过程,如果正常打印,没有异常抛出那么恭喜你成功了。
把bazel文件拷贝到/usr/bin/下
$ bazel
安装完成
注意:
bazel和tensorflow有版本依赖关系,如果使用bazel编译tensorflow源代码切记版本不要搞错了。
RAM>=4GB,ROM>=16GB,编译整个过程RAM占用一度大于2GB,可能会内存溢出
CPU整个过程都几乎满载,编译过程中注意散热问题,不要编译到一半机器死掉
2、编译安装Tensorflow
- 编译选项和以及平台相关修改
- 针对飞腾平台,需要对部分源码进行少量修改,具体如下:
- tensorflow/BUILD 文件:
添加:
config_setting(
name = "linux_aarch64",
values = {"cpu": "aarch64"},
visibility = ["//visibility:public"],
)
-
tensorflow/contrib/lite/kernels/internal/BUILD 文件:
注释掉所有 mfpu 相关的编译选项。 -
编译选项
$ ./configure
Python 版本路径选择填写:/usr/bin/python
jemalloc的相关选项 Y。
其余选项均选择 N 或 n。
- 编译及安装
进行编译:
$ bazel build -c opt --copt="-funsafe-math-optimizations"
--copt="-ftree-vectorize" --copt="-fomit-frame-pointer" --verbose_failures
tensorflow/tools/pip_package:build_pip_package
如图:出现这行代表编译完成
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package
/tmp/tensorflow_pkg
如图:Build pip package
得到:tensorflow-1.10.1-cp27-cp27mu-linux_aarch64.whl
- 编译完成后,tensorflow 包位于:/tmp/tensorflow_pkg/下。
- 安装 TensorFlow:
$ pip install /tmp/tensorflow_pkg/tensorflow-1.10.1-cp27-cp27mu-linux_aarch64.whl
- 查看TensorFlow
$ pip show tensorflow
- TensorFlow 软件功能验证
4.1 验证 TensorFlow 安装
在 python 交互式环境下验证 TensorFlow 是否正确安装。
看到以上输出,说明 TensorFlow 已经安装完成。
- 测试demo
#!/usr/bin/env python
import os
import tensorflow as tf
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
执行结果如下
安装完成
编译成功:Kylin-4.0.2-desktop-sp4-arm64 编译完成 bazel-0.15.0
编译成功:Kylin-4.0.2-desktop-sp4-arm64 编译完成tensorflow-1.10.1-cp27-Linux