tensorflow编译

最新推荐文章于 2023-02-23 00:25:24 发布
最新推荐文章于 2023-02-23 00:25:24 发布
阅读量230 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zz_hh_uu_/article/details/108565343
版权 
对tensorflow-gpu10源码进行编译报错
ERROR: Config value cuda is not defined in any .rc file
问题原因：bazel版本过高。
解决办法：tf1.10的构建版本时需要使用bazel 0.15，换成了bazel 0.15版本构建问题解决。

r1.11 bazel版本0.18 -0.24
zoot
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tensorflow1.4 c++编译以及API使用
zwx1995zwx的博客
01-15 1万+
摘要： 最近在研究如何使用tensorflow c++ API调用tensorflow python环境下训练得到的网络模型文件。参考了很多博客，文档，一路上踩了很多坑，现将自己的方法步骤记录下来，希望能够帮到有需要的人！（本文默认读者对python环境下tensorflow的使用已经比较熟悉了） 方法简要梳理如下： 安装bazel，然后使用bazel编译tensorflow源码，产生我们
Tensorflow 编译及应用C++静态库
carbon06的博客
09-11 4521
背景 目前对Tensorflow的主流应用模式是使用python训练模型，使用c++或者java应用训练好的模型。上篇博客介绍了如何在工程中应用Tensorflow 动态库，本博客介绍如何在工程中应用Tensorflow静态库 编译静态链接库 clone tensorflow git 仓库 git clone https://github.com/tensorflow/tensor...
Tensorflow快速编译
weixin_41644391的博客
02-27 571
1. 配置环境变量使得./configure不用手动选择是否下载全新的llvm等，环境变量如下： export TF_NEED_SEASTAR=0 #还有很多类似的，详见configure.py 2. 在TensorFlow的编译目录里执行： tensorflow/tools/ci_build/builds/configured CPU 来reconfig。 3. 使用configu...
TensorFlow源码编译
Li_suhuan的博客
10-29 1417
1、版本tensorflow-1.15.5 https://github.com/tensorflow/tensorflow/releases/tag/v1.15.5 Note that this is the last patch release for the TensorFlow 1.x series. 本文将源代码下载在/home/svn路径下，并在编译完成后，将编译所得tensorflow环境，统一放置在/home/svn/tensorflow路径。 2、使用对应版本的python cd /u
Tensorflow 本地编译
weixin_43214624的博客
02-15 637
Tensorflow 编译编译流程 编译流程 参考 https://tensorflow.google.cn/install/source 安装依赖项 git clone https://github.com/tensorflow/tensorflow.git cd tensorflow ./configure bazel build --config=monolithic //tensorfl...
TensorFlow学习系列之七：TensorFlow的源码编译
热门推荐
玉来愈宏的随笔
04-16 2万+
为了编译TensorFlow的源代码，除了要有gcc（版本不低于4.8）支持之外，还需要安装Google自产的编译工具Bazel。1.安装Bazel安装Bazel，需要Java JDK 8或更高版本的支持，所以接下来我们要的第一件工作，就是要确定Java 8/9是否已经安装（可用“java -version”来查询）。如果没有安装，则可以通过如下流程安装。（1）利用Ubuntu的PPA（Perso...
java8看不到源码-tensorflow-cpp:为CMake项目将TensorFlow编译为C++库
06-04
TensorFlow 编译为 CMake 项目的 C++ 库。 注意：本手册仅在 ubuntu 14.04 下测试，其他平台不保证。 一般来说，要将 tensorflow 库编译为 c++ 共享库，我们还需要另外两个库： protobuf和eigen ，以及一个编译工具...
Tensorflow编译Android版本步骤及填坑(CentOS && Mac)
08-22 2947
在写此blog的时候，tensorflow更新到r1.3，bazel更新到0.5.3 1.下载tensorflow源代码，Tensorflow代码 git clone https://github.com/tensorflow/tensorflow.git 官方文档见 2.下载并配置jdk8【bazel需要jdk8】 官网下载地址， 另有国内下载及配置文档jdk，一定注意配置完后，用ja
TensorFlow安装（安装bazel，配置TensorFlow编译环境，利用源码安装TensorFlow）
dengheCSDN的博客
10-10 2万+
1、https://docs.bazel.build/versions/master/install.html gg 2、配置TensorFlow编译环境 先通过命令下载TensorFlow最新源码：git clone http://github.com/tensorflow/tensorflow 先 cd tebsorflow dh@dh:~/tensorflow$ ./c
Nvidia Jetson Tx2上编译的TensorFlow安装包(whl) 懂的下
01-04
支持python3.5及Opencv3.4+。Nvidia Jetson Tx2 平台编译，测试安装通过。耗费2个小时左右。懂的下。
《tensorflow训练好模型移植到android》教程 共66页（适合初学者，能很快上手），编译成APK，运行到Android客户端，包含两个实例
01-30
《tensorflow训练好模型移植到android》教程，共66页pdf格式文档（幻灯片形式），讲解清楚，能很快实现。涉及两个例子，第一个是将Tensor flow的实例编译成APK，安装运行到Android客户端，立即可以使用；第二个是自己训练Tensorflow模型，训练几千次之后，将训练好的模型（文档中给出了详细的模型训练，具体训练的图片安装说明再准备提供即可使用），编译成APK，安装运行到Android客户端。适合初学者，能很快上手。具体实验环境为 Mac OS 10.13.2；Tensorflow-master；androidsdk：api_level = 26, build_tools_version = "27.0.3"；androidndk：android-ndk-r12b，api_level=14 . 另外，第一个编译好的APK实例可以在http://download.csdn.net/download/wuxinxing1981/10232528上下载
tensorflow-compiler:从头开始设置和编译Tensorflow的脚本
04-13
张量流编译器 从头开始设置和编译Tensorflow的脚本 用法 sh tensorflow-compile.sh < TF> < PY> PY_VER: Python Version (e.g 2.7, 3.8) TF_VER: the tensorflow version you want to build
tensorflow编译操作---完整版
小姑仔的博客
07-07 1274
首先我们需要下载对应的tensorflow的源码，在 图中可以看到对应源码的各个不同版本，这里下载自己所需要的那个版本即可 接下来需要下载tensorflow对应的编译工具，这里我们到tensorflow编译工具对应网址之中查看相应的编译工具bazel的编译工具 由于我调用的是tensorflow-2.4.0对应的代码，所以我需要使用Bazel 3.1.0去对tensorflow的源码进行编译 这里选择相应的安装版本进行下载 我们选择对应的bazel-3.1.0-installer-linux-x86_64
【Tensorflow】源码编译详细教程
春秋繁露
02-23 976
目的是，在开发 tensorflow 的过程中， 没有必要每次都编译 whl package 来安装生效，这样比较花费时间，如果我们是在 c++ 层代码， 仅仅需要在改动 c++ 之后， 编译需要调用的 so 文件，然后替换掉系统中的 so 文件；，网络上已经有很多教程了， 本篇文章，不讲接一开始各种环境的准备，直接说明在开发过程中，我们用到的集中编译方式和编译目标。如果确定开发完成，最终要提供客户使用，那么直接编译成安装包即可；
vscode tensorflow_极简入门TensorFlow C++源码
weixin_39859819的博客
11-23 410
前一段时间，一直在忙框架方面的工作，偶尔也会帮业务同学去优化优化使用TensorFlow的代码，也加上之前看了dmlc/relay，nnvm的代码，觉得蛮有意思，也想分别看下TensorFlow的Graph IR、PaddlePaddle的Graph IR，上周五，看代码看的正津津有味的时候，看到某个数据竞赛群里面讨论东西，不记得具体内容，大概说的是框架的代码实现， 有几位算法大佬说看底层源码比较...
Tensorflow 编译
ayj12345的博客
03-13 486
Tensorflow 编译c++调用所需动态库（1） 版本选择 linux https://tensorflow.google.cn/install/source 版本 Python 版本 编译器 构建工具 tensorflow-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 tensorflow-1.11.0 2.7、3.3-3.6 GCC 4...
Tensorflow编译记
detaswc的博客
11-29 480
最近公司要用到深度学习去做图像的分类工作，添加到原有的软件中去，于是就尝试了几种方法，不外乎调用python和直接调用深度学习框架的c++api。 因为在调试模型的时候使用的是keras，于是最适合的就是编译tensorflow形成dll。但是公司软件是在windows上运行的，于是就开始了艰难困苦的tensorflow编译之旅。 首先在csdn上找到一大片自己编译的教程，但是都走不通啊，不是...
Windows编译Tensorflow2.2.0 C++ dll （CPU bazel）
weixin_43661313的博客
04-26 2862
Windows编译Tensorflow2.2.0 C++ dll （bazel）0、建议预先下载的几个包1、VS2019, anaconda, bazel, msys2 下载、安装、路径设置1.1、VS 20191.2、anaconda欢迎使用Markdown编辑器标题新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaT
Tensorflow手动编译
zhishengqianjun的博客
08-27 1313
前言 1环境准备 1 安装brew 2 代理设置 3 安装bazel 4 安装python依赖 5 tensorflow源码下载 2编译 1 配置 2 编译 3参考文献系统：MacOS sierra 10.12.6 tf版本：1.2.1前言​ 最近在安装tensorflow的时候，遇到了下面的问题：​ 实际上就是因为我们直接用官方编译好的，并不能完美的与本地的指令集兼容，有点强迫症，所以决定
c++调用pb模型，使用tensorflow编译库
最新发布
04-03
在使用TensorFlow编译库之前，需要先安装TensorFlow和Protocol Buffers（PB）库。 1. 安装TensorFlow 可以通过以下命令来安装TensorFlow： ``` pip install tensorflow ``` 2. 安装Protocol Buffers（PB）库 可以通过以下命令来安装PB库： ``` pip install protobuf ``` 3. 编译PB模型 在编译PB模型之前，需要先将模型转换为PB格式。可以使用TensorFlow提供的freeze_graph.py脚本来将模型转换为PB格式： ``` python freeze_graph.py --input_graph=model.pb --input_checkpoint=model.ckpt --output_graph=frozen_model.pb --output_node_names=output_node_name ``` 其中，model.pb是模型的GraphDef文件，model.ckpt是模型的checkpoint文件，output_node_name是模型输出节点的名称。 接下来，使用TensorFlow提供的tensorflow.python.compiler.tensorrt.convert()函数来编译PB模型： ``` import tensorflow as tf # 加载PB模型 with tf.gfile.GFile('frozen_model.pb', "rb") as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) # 编译PB模型 trt_graph = tf.python.compiler.tensorrt.convert( graph_def, max_batch_size=1, maximum_cached_engines=1, precision_mode="FP16", minimum_segment_size=3 ) # 保存编译后的模型 with tf.gfile.GFile('trt_model.pb', "wb") as f: f.write(trt_graph.SerializeToString()) ``` 其中，max_batch_size表示最大批处理大小，precision_mode表示推理精度，minimum_segment_size表示最小分段大小。 经过编译后，可以使用TensorRT来加速模型的推理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值