本文正在参与「金石计划 . 分割6万现金大奖」

欢迎关注我的大众号 [极智视界]，获取我的更多笔记共享

大家好，我是极智视界，本文介绍一下 centos7 源码编译 tensorflow 的方法。

之前这篇《极智开发 | centos7源码编译bazel》现已为这篇 tensorflow 的源码编译铺平了路途，所以这里的条件是你现已安装好了 bazel。

这里咱们以源码编译 tensorflow v1.15.0 为例，下面开端。

  • (1) 下载源码
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

需求注意的是，这样的方式下载的 tensorflow 源码是默认master分支的，也便是默认是最新的，而在咱们的需求中，往往是需求编译指定版别的 tensorflow，所以你可以这样：

# clone好后进入tensorflow目录，履行如下
git checkout branch_name  # r2.2, r2.3, etc.

当然也可以直接到release里下载对应版别的源码包，地址：release

  • (2) 下载 nsync-1.22.0.tar.gz 源码包

进入 tensorflow tag v1.15.0 源码目录，打开 tensorflow/workspace.bzl 文件，找到其间 name 为 nsync 的 tf_http_archive 定义，如下：

极智AI | centos7源码编译tensorflow

从上面的 urls 中随便选一个链接下载，并将下载好的 nsync-1.22.0.tar.gz 放到恣意目录，比方我放到 /workspace/env 下。

  • (3) 修正 nsync-1.22.0.tar.gz 源码包
cd /workspace/env
tar -zxvf nsync-1.22.0.tar.gz
cd nsync-1.22.0/platform/c++11

然后打开atomic.h，在 NSYNC_CPP_START_后 替换/增加 如下内容：

#include "nsync_cpp.h"
#include "nsync_atomic.h"
NSYNC_CPP_START_
#define ATM_CB_() __sync_synchronize()
static INLINE int atm_cas_nomb_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_relaxed, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_acq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acquire, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_rel_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_release, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_relacq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acq_rel, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
  • (4) 重新生成 nsync-1.22.0.tar.gz 源码包

上面临 nsync-1.22.0 源码进行了修正，重新压缩生成 nsync-1.22.0.tar.gz，替换本来的 nsync-1.22.0.tar.gz，因此包的路径依旧还是 /workspace/env/nsync-1.22.0.tar.gz。

  • (5) sha256sum 校验 nsync-1.22.0.tar.gz
sha256sum /workspace/env/nsync-1.22.0.tar.gz
# 生成一串sha256sum校验码，记住它
  • (6) 修正tensorflow workspace.bzl

回到第(2)步中的 ~/tensorflow-1.15.0/tensorflow/workspace.bzl，修正 sha256 = 为第(5)步生成的校验码，在 urls = [] 中新增 nsync-1.22.0.tar.gz的绝对路径，如下：

极智AI | centos7源码编译tensorflow

  • (7) 装备体系build
cd tensorflow-1.15.0
# 直接履行
./configure
# 会跳出来许多装备选项，按自己的需求进行选择
# 假如只是编译最基础的CPU版别，一路N到底就可以了

履行完 ./configure 之后，需求修正 .tf_configure.bazelrc 装备文件：

# 增加如下一行 build编译选项
build:opt --cxxopt=-D_GLIBCXX_USE_CXX11_ABI=0

# 删去以下两行
build:opt --copt=-march=native 
build:opt --host_copt=-march=native
  • (8) 编译

使用 bazel 开端编译：

bazel build [--config=option] /path/tensorflow/tools/pip_package:build_pip_package

编译成功后会在对应目录中生成 .whl 软件包

  • (9) 安装.whl 
pip install path/tensorflow-version-tags.whl

这样就功德圆满了。

好了，以上共享了 centos7 源码编译 tensorflow 的方法。希望我的共享能对你的学习有一点帮助。


 【大众号传送】

《极智AI | centos7源码编译tensorflow》


极智AI | centos7源码编译tensorflow