使用源代碼安裝TensorFlow

本指南介紹了如何通過源代碼編譯安裝Tesnorflow。請注意，我們已經為Linux，Mac和Windows係統提供了經充分測試並預編譯好的TensorFlow二進製文件。另外還有預編譯的TensorFlowDocker映像。所以，不要自己構建一個TensorFlow二進製文件，除非你樂於從源代碼構建，並願意處理一些未知的問題。

本指南介紹如何在以下操作係統上構建TensorFlow：

• Ubuntu(LINUX)
• Mac OS X

目前沒有正式支持在Windows上構建TensorFlow;但是，如果您不介意使用高度實驗性的Bazel在Windows上或TensorFlow CMake構建，可以自己嘗試在Windows上構建TensorFlow。

確定安裝哪個TensorFlow

您必須選擇以下類型的TensorFlow來構建和安裝：

• TensorFlow僅支持CPU。如果您的係統沒有NVIDIA®GPU，請構建並安裝此版本。請注意，此版本的TensorFlow通常更容易構建和安裝，因此即使您有NVIDIA GPU，也建議首先構建和安裝此版本。

• TensorFlow支持GPU。 TensorFlow程序通常在GPU上的運行速度明顯高於CPU。因此，如果您的係統具有NVIDIA GPU，並且您需要運行性能敏感的應用程序，可以安裝此版本。除了NVIDIA GPU本身，您的係統還必須滿足以下文檔描述的NVIDIA軟件要求：

• 在Ubuntu上安裝TensorFlow

• 在Mac OS上安裝TensorFlow

克隆TensorFlow存儲庫

從克隆TensorFlow存儲庫開始構建TensorFlow。

要克隆最新的TensorFlow存儲庫，執行以下命令：

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

前麵的git clone命令創建一個名為tensorflow的子目錄。克隆後，您可以選擇構建一個具體分支(如發行版分支)，命令如下：

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

例如，要使用r1.0發行版而不是主版本，執行以下命令：

$ git checkout r1.0

接下來，您必須為Linux或Mac OS準備好您的環境

為Linux準備環境

在Linux上構建TensorFlow之前，請在係統上安裝以下構建工具：

• bazel
• TensorFlow Python依賴項
• 可選地，NVIDIA軟件包，用於支持TensorFlow GPU。

安裝Bazel

如果係統上沒有安裝bazel，請按照以下步驟進行安裝見文檔。

安裝TensorFlow Python依賴項

要安裝TensorFlow，您必須安裝以下軟件包：

• numpy，這是TensorFlow需要的數字處理包。
• dev，它可以添加對Python的擴展。
• pip，這使您能夠安裝和管理某些Python包。
• wheel，它使您能夠以wheel(.whl)格式管理Python壓縮包。

要為Python 2.7安裝這些軟件包，執行以下命令：

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

要為Python 3.n安裝這些軟件包，執行以下命令：

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

可選：安裝TensorFlow GPU版本的要求

如果您正在構建沒有GPU支持的TensorFlow，請跳過本節。

以下NVIDIA硬件必須安裝在您的係統上：

• 具有CUDA Compute Capability 3.0或更高版本的GPU卡。見NVIDIA文檔列出的所支持的GPU卡。

以下NVIDIA軟件必須安裝在您的係統上：

• NVIDIA的Cuda Toolkit(> = 7.0)。我們建議使用8.0版本。詳情請參閱NVIDIA的文檔。確保您將相關的Cuda路徑名追加到LD_LIBRARY_PATH環境變量，如NVIDIA文檔中所述。
• 與NVIDIA的Cuda工具包相關的NVIDIA驅動程序。
• cuDNN(> = v3)。我們建議5.1版本。詳情請參閱NVIDIA的文檔，特別要關注其中LD_LIBRARY_PATH環境變量的設置。

最後，您還必須安裝libcupti-dev，命令如下：

 $ sudo apt-get install libcupti-dev 

下一個

在準備好環境後，你現在必須做配置安裝。

為Mac OS準備環境

在構建TensorFlow之前，您必須在係統上安裝以下內容：

• bazel
• TensorFlow Python依賴項。
• 可選地，NVIDIA軟件包，用於支持TensorFlow GPU。

安裝bazel

如果係統上沒有安裝bazel，請按照以下步驟進行安裝，見文檔。

安裝python依賴項

要安裝TensorFlow，您必須安裝以下軟件包：

• six
• numpy，這是TensorFlow需要的數字處理包。
• wheel，這使您能夠以wheel(.whl)格式管理Python壓縮包。

您可以使用pip安裝python依賴項。如果您的機器上沒有pip，我們建議使用homebrew來安裝Python和pip，見這個文檔。如果您遵循這些說明，則不需要禁用SIP。

安裝pip後，調用以下命令：

 $ sudo pip install six numpy wheel 

可選：安裝TensorFlow GPU版本的要求

如果沒有安裝brew，請按照以下步驟進行安裝，見brew安裝說明。

安裝brew後，執行以下命令安裝GNU coreutils：

$ brew install coreutils

如果要編譯Tensorflow並安裝XCode 7.3和CUDA 7.5，請注意，Xcode 7.3尚未兼容CUDA 7.5。要解決此問題，請執行以下任一操作：

• 更新到CUDA 8.0.

• 下載Xcode 7.2並通過以下命令設置為默認項：

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

注意：您的係統必須滿足以下文檔描述的NVIDIA軟件要求：

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

配置安裝

源代碼樹的根目錄包含一個名為configure的bash腳本。該腳本要求您確定所有相關TensorFlow依賴關係的路徑名，並指定其他構建配置選項，如編譯器標誌。您必須先運行此腳本，才能創建pip軟件包並安裝TensorFlow。

如果你想構建支持GPU的TensorFlow，configure將要求您指定Cuda和cuDNN的版本號。如果您的係統上安裝了幾個版本的Cuda或cuDNN，請明確地選擇所需的版本，而不是依賴於默認版本。

其中一個configure問題如下：

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

這個問題出現在構建pip包時。我們建議接受默認值(-march=native)，這將以本地機器CPU類型的來優化生成代碼。但是，如果要在一種CPU類型上構建TensorFlow，但在不同的CPU類型上運行TensorFlow，那麽請考慮指定一個更具體的優化標誌，見gcc文檔。

下麵執行configure腳本的例子。請注意，您自己的輸入可能與我們的示例輸入不同：

$ 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

如果要構建支持GPU的Tensorflow，configure將創建一個規範的符號鏈接到您的係統上的Cuda庫。因此，每次更改Cuda路徑時，在再次執行bazel build命令之前，都必須重新運行configure腳本。

另外，請注意以下事項：

• 雖然可以在同一源代碼樹下構建Cuda和non-Cuda配置，但是，當在同一源代碼樹中切換這兩種配置之間時，我們建議運行bazel clean。
• 如果你不在運行configure腳本之前運行bazel build命令，bazel build命令將失敗。

構建pip包

要為支持CPU-only的TensorFlow構建一個pip包，需要執行以下命令：

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

要為具有GPU支持的TensorFlow構建pip軟件包，請調用以下命令：

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

關於gcc 5或更高版本的注意事項：TensorFlow網站上提供的二進製pip包是使用gcc 4編譯的，它使用較舊的ABI。要使您的構建與較舊的ABI兼容，您需要添加--cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"到你的bazel build命令。

Tips：默認情況下，從源代碼構建TensorFlow消耗大量的RAM。如果RAM有限，您可以在使用bazel時通過指定參數來限製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