使用源代码安装TensorFlow

本指南介绍了如何通过源代码编译安装Tesnorflow。请注意，我们已经为Linux，Mac和Windows系统提供了经充分测试并预编译好的TensorFlow二进制文件。另外还有预编译的TensorFlowDocker映像。所以，不要自己构建一个TensorFlow二进制文件，除非你乐于从源代码构建，并愿意处理一些未知的问题。

本指南介绍如何在以下操作系统上构建TensorFlow：

• Ubuntu(LINUX)
• Mac OS X

目前没有正式支持在Windows上构建TensorFlow;但是，如果您不介意使用高度实验性的Bazel在Windows上或TensorFlow CMake构建，可以自己尝试在Windows上构建TensorFlow。

确定安装哪个TensorFlow

您必须选择以下类型的TensorFlow来构建和安装：

• TensorFlow仅支持CPU。如果您的系统没有NVIDIA®GPU，请构建并安装此版本。请注意，此版本的TensorFlow通常更容易构建和安装，因此即使您有NVIDIA GPU，也建议首先构建和安装此版本。

• TensorFlow支持GPU。 TensorFlow程序通常在GPU上的运行速度明显高于CPU。因此，如果您的系统具有NVIDIA GPU，并且您需要运行性能敏感的应用程序，可以安装此版本。除了NVIDIA GPU本身，您的系统还必须满足以下文档描述的NVIDIA软件要求：

• 在Ubuntu上安装TensorFlow

• 在Mac OS上安装TensorFlow

克隆TensorFlow存储库

从克隆TensorFlow存储库开始构建TensorFlow。

要克隆最新的TensorFlow存储库，执行以下命令：

$ git clone https://github.com/tensorflow/tensorflow 

前面的git clone命令创建一个名为tensorflow的子目录。克隆后，您可以选择构建一个具体分支(如发行版分支)，命令如下：

$ cd tensorflow
$ git checkout Branch # where Branch is the desired branch

例如，要使用r1.0发行版而不是主版本，执行以下命令：

$ git checkout r1.0

接下来，您必须为Linux或Mac OS准备好您的环境

为Linux准备环境

在Linux上构建TensorFlow之前，请在系统上安装以下构建工具：

• bazel
• TensorFlow Python依赖项
• 可选地，NVIDIA软件包，用于支持TensorFlow GPU。

安装Bazel

如果系统上没有安装bazel，请按照以下步骤进行安装见文档。

安装TensorFlow Python依赖项

要安装TensorFlow，您必须安装以下软件包：

• numpy，这是TensorFlow需要的数字处理包。
• dev，它可以添加对Python的扩展。
• pip，这使您能够安装和管理某些Python包。
• wheel，它使您能够以wheel(.whl)格式管理Python压缩包。

要为Python 2.7安装这些软件包，执行以下命令：

$ sudo apt-get install python-numpy python-dev python-pip python-wheel

要为Python 3.n安装这些软件包，执行以下命令：

$ sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel

可选：安装TensorFlow GPU版本的要求

如果您正在构建没有GPU支持的TensorFlow，请跳过本节。

以下NVIDIA硬件必须安装在您的系统上：

• 具有CUDA Compute Capability 3.0或更高版本的GPU卡。见NVIDIA文档列出的所支持的GPU卡。

以下NVIDIA软件必须安装在您的系统上：

• NVIDIA的Cuda Toolkit(> = 7.0)。我们建议使用8.0版本。详情请参阅NVIDIA的文档。确保您将相关的Cuda路径名追加到LD_LIBRARY_PATH环境变量，如NVIDIA文档中所述。
• 与NVIDIA的Cuda工具包相关的NVIDIA驱动程序。
• cuDNN(> = v3)。我们建议5.1版本。详情请参阅NVIDIA的文档，特别要关注其中LD_LIBRARY_PATH环境变量的设置。

最后，您还必须安装libcupti-dev，命令如下：

 $ sudo apt-get install libcupti-dev 

下一个

在准备好环境后，你现在必须做配置安装。

为Mac OS准备环境

在构建TensorFlow之前，您必须在系统上安装以下内容：

• bazel
• TensorFlow Python依赖项。
• 可选地，NVIDIA软件包，用于支持TensorFlow GPU。

安装bazel

如果系统上没有安装bazel，请按照以下步骤进行安装，见文档。

安装python依赖项

要安装TensorFlow，您必须安装以下软件包：

• six
• numpy，这是TensorFlow需要的数字处理包。
• wheel，这使您能够以wheel(.whl)格式管理Python压缩包。

您可以使用pip安装python依赖项。如果您的机器上没有pip，我们建议使用homebrew来安装Python和pip，见这个文档。如果您遵循这些说明，则不需要禁用SIP。

安装pip后，调用以下命令：

 $ sudo pip install six numpy wheel 

可选：安装TensorFlow GPU版本的要求

如果没有安装brew，请按照以下步骤进行安装，见brew安装说明。

安装brew后，执行以下命令安装GNU coreutils：

$ brew install coreutils

如果要编译Tensorflow并安装XCode 7.3和CUDA 7.5，请注意，Xcode 7.3尚未兼容CUDA 7.5。要解决此问题，请执行以下任一操作：

• 更新到CUDA 8.0.

• 下载Xcode 7.2并通过以下命令设置为默认项：

   $ sudo xcode-select -s /Application/Xcode-7.2/Xcode.app

注意：您的系统必须满足以下文档描述的NVIDIA软件要求：

• 在Ubuntu(LINUX)上安装TensorFlow
• 在Mac OS X上安装TensorFlow

配置安装

源代码树的根目录包含一个名为configure的bash脚本。该脚本要求您确定所有相关TensorFlow依赖关系的路径名，并指定其他构建配置选项，如编译器标志。您必须先运行此脚本，才能创建pip软件包并安装TensorFlow。

如果你想构建支持GPU的TensorFlow，configure将要求您指定Cuda和cuDNN的版本号。如果您的系统上安装了几个版本的Cuda或cuDNN，请明确地选择所需的版本，而不是依赖于默认版本。

其中一个configure问题如下：

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]

这个问题出现在构建pip包时。我们建议接受默认值(-march=native)，这将以本地机器CPU类型的来优化生成代码。但是，如果要在一种CPU类型上构建TensorFlow，但在不同的CPU类型上运行TensorFlow，那么请考虑指定一个更具体的优化标志，见gcc文档。

下面执行configure脚本的例子。请注意，您自己的输入可能与我们的示例输入不同：

$ cd tensorflow  # cd to the top-level directory created
$ ./configure
Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python2.7
Found possible Python library paths:
  /usr/local/lib/python2.7/dist-packages
  /usr/lib/python2.7/dist-packages
Please input the desired Python library path to use.  Default is [/usr/lib/python2.7/dist-packages]

Using python library path: /usr/local/lib/python2.7/dist-packages
Do you wish to build TensorFlow with MKL support? [y/N]
No MKL support will be enabled for TensorFlow
Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]:
Do you wish to use jemalloc as the malloc implementation? [Y/n]
jemalloc enabled
Do you wish to build TensorFlow with Google Cloud Platform support? [y/N]
No Google Cloud Platform support will be enabled for TensorFlow
Do you wish to build TensorFlow with Hadoop File System support? [y/N]
No Hadoop File System support will be enabled for TensorFlow
Do you wish to build TensorFlow with the XLA just-in-time compiler (experimental)? [y/N]
No XLA support will be enabled for TensorFlow
Do you wish to build TensorFlow with VERBS support? [y/N]
No VERBS support will be enabled for TensorFlow
Do you wish to build TensorFlow with OpenCL support? [y/N]
No OpenCL support will be enabled for TensorFlow
Do you wish to build TensorFlow with CUDA support? [y/N] Y
CUDA support will be enabled for TensorFlow
Do you want to use clang as CUDA compiler? [y/N]
nvcc will be used as CUDA compiler
Please specify the Cuda SDK version you want to use, e.g. 7.0. [Leave empty to default to CUDA 8.0]: 8.0
Please specify the location where CUDA 8.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:
Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]:
Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 6.0]: 6
Please specify the location where cuDNN 6 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus.
Please note that each additional compute capability significantly increases your build time and binary size.
[Default is: "3.5,5.2"]: 3.0
Do you wish to build TensorFlow with MPI support? [y/N] 
MPI support will not be enabled for TensorFlow
Configuration finished

如果要构建支持GPU的Tensorflow，configure将创建一个规范的符号链接到您的系统上的Cuda库。因此，每次更改Cuda路径时，在再次执行bazel build命令之前，都必须重新运行configure脚本。

另外，请注意以下事项：

• 虽然可以在同一源代码树下构建Cuda和non-Cuda配置，但是，当在同一源代码树中切换这两种配置之间时，我们建议运行bazel clean。
• 如果你不在运行configure脚本之前运行bazel build命令，bazel build命令将失败。

构建pip包

要为支持CPU-only的TensorFlow构建一个pip包，需要执行以下命令：

$ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

要为具有GPU支持的TensorFlow构建pip软件包，请调用以下命令：

$ bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package 

关于gcc 5或更高版本的注意事项：TensorFlow网站上提供的二进制pip包是使用gcc 4编译的，它使用较旧的ABI。要使您的构建与较旧的ABI兼容，您需要添加--cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"到你的bazel build命令。

Tips：默认情况下，从源代码构建TensorFlow消耗大量的RAM。如果RAM有限，您可以在使用bazel时通过指定参数来限制RAM的使用:--local_resources 2048,.5,1.0。

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

$ sudo pip install /tmp/tensorflow_pkg/tensorflow-1.3.0-py2-none-any.whl

$ python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

Hello, TensorFlow!

W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow
  library wasn't compiled to use SSE4.1 instructions, but these are available on
  your machine and could speed up CPU computations.

ImportError: libcudart.so.8.0: cannot open shared object file:
  No such file or directory

ImportError: libcudnn.5: cannot open shared object file:
  No such file or directory

ImportError: cannot import name pywrap_tensorflow