編譯tensorflow有專門的編譯工具bazel，所以需要先安裝bazel。我使用的是源碼編譯bazel（https://github.com/bazelbuild/bazel/releases）。

第一個坑：git clone bazel源碼或者使用下載的bazel-0.21.0.tar.gz，這種源碼里缺少生成需要的文件，所以需要下載的是bazel-0.21.0-dist.zip這種帶有dist的源碼包。編譯命令簡單，./compile.sh就可以了。這里需要的依賴工具有：pkg-config zip g++ zlib1g-dev unzip python?python-numpy（python3-numpy） swig python-dev（python3-dev） openjdk-8-jdk，這些是安裝頁面提示的，全安了就行。生成的bazel在output/目錄下，并且要把目錄添加到PATH中。

第二個坑：git clone --recurse-submodules https://github.com/tensorflow/tensorflow，其中--recurse-submodules 參數是必須得, 用于獲取 TesorFlow 依賴的 protobuf 庫（這個是官方說明，如果不加貌似需要自己安裝依賴的protobuf庫：http://www.tensorfly.cn/tfdoc/get_started/os_setup.html，另一個：https://tensorflow.google.cn/install/source），從git上下載的tensorflow版本需要的bazel版本也比較高，所以需要切一下版本。

查看本地版本：git branch，查看遠程分支：git branch -a，切換分支：git checkout -b “本地自己命名” “遠程分支名”，如果不切分支，tensorflow和bazel版本不對應，無法編譯。

第三個坑：下載cuda和cudnn，并安裝，版本需要對應，需要注意的是cuda默認目錄是/usr/local/cuda/，但是cudnn默認在/usr/目錄下，所以需要把/usr/include下的cudnn.h拷貝到/usr/local/cuda/include下，把/usr/lib/x86_64-linux-gnu下的libcudnn相關的庫都拷貝到/usr/local/cuda/lib64目錄下。如果沒有進行拷貝，會提示各種庫沒有，各種頭文件找不到，真實是個大坑。

第四個坑：./configure時需要確認各種條件，這些條件我也沒有全弄明白需要哪些，從網上查到的情況看，初級只需要cuda相關的選y，其他的都選n就可以，目錄也只需要確認python、cuda、cudnn這些就可以了。

編譯命令：

bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer（例子，同時生成frame的so）
bazel build --config=opt --config=cuda //tensorflow:libtensorflow_cc.so（這個是c++的so）

bazel build --config=opt --config=cuda //tensorflow:libtensorflow_framework.so

更新：

1.編譯自己的庫，將項目目錄拷貝到tensorflow/examples下，使用命令：

bazel build -c opt --config=cuda //tensorflow/examples/xxx/...進行編譯，注意啦：自己的項目xxx目錄后面要加...三個點，否則不知道為啥編譯不過，可能是寫的比較挫吧（＞人＜；）

bazel build -c opt --config=cuda //tensorflow/examples/xxx/... --linkopt=//home/ubuntu/myprojects/tensorflow/bazel-bin/tensorflow/libtensorflow_framework.so 新版本貌似需要指定連接

項目中的BUILD一定要寫好，需要編譯的源文件要寫全，否則編譯完成了不報錯，運行就苦惱了。

有的人使用編譯選項--copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma，目前了解的情況大概是這個是cpu架構支持的選項。如果有大神知道都代表什么意思希望能留言指點一下，謝謝！

2.ignoring visible gpu devices:0 ，with Cuda compute capability 7.0. The minimum required Cuda capability is 7.5，這個問題是編譯tensorflow的時候的configure有一個配置:Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 7.5]:需要寫7.0（按不同使用的卡填寫），默認的是7.5，所以設備跑不起來，而且跑起來之后自己的庫也要重新編譯。算力官網地址：https://developer.nvidia.com/cuda-gpus

2020.02.26更新：

3.tensorflow與bazel對應版本在tensorflow目錄下有一個.bazelversion文件，里面寫的就是需要的版本號，切換tensorflow版本分支后，.bazelversion內會有變化。

4.編譯TensorFlow2.0及之后版本的時候命令略有不同需要添加--config=v2,例如
bazel build --config=opt --config=cuda --config=v2 //tensorflow:libtensorflow_framework.so

2020.04.03更新：

5.--cxxopt='-g' 可以用于編譯debug版本，方便gdb查找，例如：bazel build -c opt --cxxopt='-g' --config=cuda //tensorflow/examples/xxx/... --linkopt=//home/ubuntu/myprojects/tensorflow/bazel-bin/tensorflow/libtensorflow_framework.so

6.可以使用--retain-symbols-file和--version-script來限定對外開放的接口，防止接口名沖突導致的一系列問題。例如：

bazel build -c opt --config=cuda //tensorflow/examples/xxx/... --linkopt=//home/ubuntu/myprojects/tensorflow/bazel-bin/tensorflow/libtensorflow_framework.so?--linkopt=-Wl,--retain-symbols-file=/home/ubuntu/projects/tf/tensorflow/tensorflow/examples/model_classify/retain_symbols.sys --linkopt=-Wl,--version-script=/home/ubuntu/projects/tf/tensorflow/tensorflow/examples/model_classify/version_script.map

2020.05.15更新：

7.如果一個新的環境編譯時自動下載特別慢，可以考慮使用proxy，但是有個問題可能不是每個人都會遇到，就是配置了代理之后，報錯：HTTP/1.1 407 Proxy Authentication Required，這個問題基本確定是bazel的問題，所以搜索之后發現了這個：https://github.com/bazelbuild/bazel/issues/7487#issuecomment-466012513，bazel自己家的解決方法，先使用wget將下載失敗的依賴包下載下來，這時候proxy是起作用的，速度很快，然后將所有需要的依賴包放到一個目錄中，使用bazel的--distdir參數來指定本地依賴包目錄，相當于離線，參考命令：

bazel build -c opt --config=cuda --distdir /home/test/projects/downloads //tensorflow/cc:tutorials_example_trainer

2020.05.21更新：

8.如果你的環境是arm64即aarch64的，那么可能會遇到其他奇特的問題，比如總有一些函數沒有編譯進庫里，總是提示未定義函數等，稍微總結一點點，希望幫到大家。

首先，可能交叉編譯環境不支持，所以要手動添加一下cpu類型，在tensorflow/third_party/gpus/crosstool目錄下找到CROSSTOOL_hipcc.tpl，vi打開，找到

default_toolchain {cpu: "arm"toolchain_identifier: "local_linux" }

在后面添加一個aarch64的：

default_toolchain {cpu: "aarch64"toolchain_identifier: "local_linux" }

保存退出。

第二 ，還是這個目錄，vi打開BUILD.tpl，找到標簽cc_toolchain_suite下面的toolchains =中的"arm": ":cc-compiler-local",，在這個下面添加一行"aarch64": ":cc-compiler-local",，然后保存退出，如下：

cc_toolchain_suite(name = "toolchain",toolchains = {"local|compiler": ":cc-compiler-local","darwin|compiler": ":cc-compiler-darwin","x64_windows|msvc-cl": ":cc-compiler-windows","x64_windows": ":cc-compiler-windows","arm": ":cc-compiler-local","aarch64": ":cc-compiler-local","k8": ":cc-compiler-local","piii": ":cc-compiler-local","ppc": ":cc-compiler-local","darwin": ":cc-compiler-darwin",}, )

?第三，有可能你會用到aws相關的，那么在tensorflow/third_party/aws目錄下找到BUILD.bazel文件，vi打開，找到標簽cc_library-->srcs = select-->"//conditions:default": [],修改為如下：

cc_library(name = "aws",srcs = select({"@org_tensorflow//tensorflow:linux_x86_64": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),"@org_tensorflow//tensorflow:darwin": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),"@org_tensorflow//tensorflow:linux_ppc64le": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),"@org_tensorflow//tensorflow:raspberry_pi_armeabi": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),#"//conditions:default": [],"//conditions:default": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),}) + glob([

?

2021.04.01更新：

ERROR: An error occurred during the fetch of repository 'io_bazel_rules_docker'

方法來自：https://blog.csdn.net/lsqtzj/article/details/108899430

?

目前遇到的坑就這些，已經編譯出so了，能用，有新問題或新發現會在更新中順序向下，待以后補充。

總結

以上是生活随笔為你收集整理的编译tensorflow的小小记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。