小言_互联网的博客

Linux环境下编译TensorFlow C++ API

2020-04-01 15:16 468人阅读  评论(0)

目录

1、软件下载

2、不同平台版本对应要求

3、环境配置

4、配置TensorFlow安装选项

5、使用bazel进行编译生成动态库

6、编译其他依赖

1、软件下载

（1）tensorflow-1.13.1源码（tensorflow 1.13.1）

（2）bazel-0.19.2-installer-linux-x86_64.sh（bazel-0.19.2-installer-linux-x86_64.sh）

（3）Anaconda3-4.3.1-Linux-x86_64.sh（Anaconda3-4.3.1-Linux-x86_64.sh）

（4）protobuf-2.6.1.tar.gz（protobuf-2.6.1.tar.gz）

2、不同平台版本对应要求

注意：TensorFlow C++ API的编译对于bazel等工具的对应版本有要求，版本需要匹配，不然会有很多想不到的错误。

（1）Windows-CPU

版本 Python 版本 编译器 编译工具
tensorflow-1.13.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.12.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3

（2）Linux-CPU

版本 Python 版本 编译器 编译工具
tensorflow-1.13.1 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2
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 4.8 Bazel 0.15.0
tensorflow-1.10.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.9.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.11.0
tensorflow-1.8.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.7.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.6.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.9.0
tensorflow-1.5.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.8.0
tensorflow-1.4.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.5.4
tensorflow-1.3.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.2.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.1.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.2
tensorflow-1.0.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.2

 （3）MacOS-CPU

版本 Python 版本 编译器 编译工具
tensorflow-1.13.1 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.19.2
tensorflow-1.12.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.15.0
tensorflow-1.11.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.15.0
tensorflow-1.10.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.15.0
tensorflow-1.9.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.11.0
tensorflow-1.8.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.10.1
tensorflow-1.7.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.10.1
tensorflow-1.6.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.8.1
tensorflow-1.5.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.8.1
tensorflow-1.4.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.5.4
tensorflow-1.3.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.5
tensorflow-1.2.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.5
tensorflow-1.1.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.2
tensorflow-1.0.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.2

（4） Windows-GPU

版本 Python 版本 编译器 编译工具 cuDNN CUDA
tensorflow_gpu-1.13.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8

（5）Linux-GPU

版本 Python 版本 编译器 编译工具 cuDNN CUDA
tensorflow_gpu-1.13.1 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9
tensorflow_gpu-1.7.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.6.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.5.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.8.0 7 9
tensorflow_gpu-1.4.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.5.4 6 8
tensorflow_gpu-1.3.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.5 6 8
tensorflow_gpu-1.2.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.5 5.1 8
tensorflow_gpu-1.1.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8

（6）MacOS-GPU

版本 Python 版本 编译器 编译工具 cuDNN CUDA
tensorflow_gpu-1.1.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7、3.3-3.6 XCode 中的 Clang Bazel 0.4.2 5.1 8

3、环境配置

（1）安装Anaconda

/mnt/f/linux$ ./Anaconda3-4.3.1-Linux-x86_64.sh

方法一： 将Anaconda添加环境变量（该方法退出Linux重启后无效）

$ export PATH=/home/asialee/anaconda3/bin:$PATH
$ source ~/.bashrc

方法二：将Anaconda永久添加环境变量（该方法退出Linux重启后仍有效，配置稍微麻烦点）

$sudo vim /etc/profile

然后在打开的profile文本最后一行添加：export PATH=~/anaconda3/bin:$PATH 

最后注入环境变量，让其立即生效，重启也有效

source /etc/profile

添加环境变量完成后，输入python后得到显示，即配置完成。

（2）安装部分软件

安装bazel或者以下编译操作可能需要安装的部分软件如下：

$ sudo apt install unzip 
$ sudo apt install make
$ sudo apt install g++ 
$ sudo apt install gcc 
$ sudo apt install cmake

如果安装不成功，则需要更新sudo后再尝试安装，即：sudo apt update。

（3）安装bazel

$ ./bazel-0.19.2-installer-linux-x86_64.sh --user

（4）安装protobuf

protobuf是最重要的一个，对版本要求非常严格，版本不对应会出现很多问题；本次使用的版本是protobuf 2.6.1，比较稳定。

解压protobuf-2.6.1.tar.gz

/mnt/f/linux$ tar -zxvf protobuf-2.6.1.tar.gz

进入解压后的protobuf-2.6.1文件目录，执行以下命令

/mnt/f/linux/protobuf-2.6.1$ ./configure
/mnt/f/linux/protobuf-2.6.1$ make
/mnt/f/linux/protobuf-2.6.1$ make install

注意：如果输入make install 时会出现make: *** [install-recursive] Error 1问题，则输入sudo make install 即可解决。

方法一：将protobuf加入环境变量（该方法重启后无效）

$ export LD_LIBRARY_PATH=/usr/local/lib

方法二： 将protobuf永久加入环境变量（重启后仍有效）

  • $sudo vim /etc/profile
  • 然后在打开的profile文本最后一行添加：export LD_LIBRARY_PATH=/usr/local/lib
  • 最后注入环境变量，让其立即生效，重启也有效：source /etc/profile

查看版本以验证安装

$ protoc --version

4、配置TensorFlow安装选项

进入源码根目录，运行 ./configure 进行配置。可参考 官网 -> Build from source -> View sample configuration session 设置，如果只需要配置cpu环境就一直回车。

/mnt/f/linux/tensorflow-1.13.1$ ./configure

5、使用bazel进行编译生成动态库

#编译C++ API，生成.so文件，Tensorflow调用CUDA

/mnt/f/linux/tensorflow-1.13.1$ bazel build --config=opt --config=cuda //tensorflow:libtensorflow_cc.so

#编译C++ API，生成.so文件，Tensorflow不调用CUDA

/mnt/f/linux/tensorflow-1.13.1$ bazel build --config=opt //tensorflow:libtensorflow_cc.so

等待编译大约半个多小时，就成功编译：

编译成功后，tensorflow-1.13.1目录下会出现 bazel-xxx 的几个文件，在tensorflow-1.13.1/bazel-bin/tensorflow文件下会出现 libtensorflow_cc.so 和 libtensorflow_framework.so 动态库文件。（动态库文件下载）

6、编译其他依赖

cd /mnt/f/linux/tensorflow-1.13.1/tensorflow/contrib/makefile$ ./build_all_linux.sh

执行成功后，在tensorflow-1.13.1/tensorflow/contrib/makefile目录下：downloads文件夹下存放第三方依赖的一些头文件和静态库，比如nsync、Eigen、protobuf等。

说明：Eigen 是一个高层次的C ++库，有效支持线性代数，矩阵和矢量运算，数值分析及其相关的算法；Protocol Buffers （简称 Protobuf）是 Google 开源的一款跨语言，跨平台，扩展性好的序列化工具，相比于 XML 和 JSON 等流行的编码格式，这种数据结构化语言需要使用protoc进行编译。


转载：https://blog.csdn.net/asialee_bird/article/details/100990483
查看评论
* 以上用户言论只代表其个人观点，不代表本网站的观点或立场