一.安裝說明：
1.安裝bazel, Eigen
1）安裝bazel
本人采用的源碼安裝方式，在https://github.com/bazelbuild/bazel/releases上下載
與硬件配置相關(guān)的安裝源碼。如在linux的64位系統(tǒng)下，可以下載bazel-0.19.2 installer linux-x86_64.sh(注意，tensorflow 的編譯對于bazel 對應(yīng)版本有要求，1.13對應(yīng)的是bazel-0.19.2,如果版本有誤，會編譯不通過)，并執(zhí)行shell文件安裝。具體版本需求請參照
https://www.tensorflow.org/install/source
2）安裝Eigen
說明： Eigen 是一個高層次的C++庫，有效支持線性代數(shù)，矩陣和矢量運算，數(shù)值分析及其相關(guān)的算法。Eigen是一個開源庫，從3.1.1版本開始遵從MPL2許可，如果在tensorflow的build前沒有安裝eigen,在bazel的build過程中會報如下錯誤：
/tensorflow/core/framework/tensor. types h:19:10:fatal
error: /third_ party/eigen3/unsupported/Eigen/CXX1/Tensor. No such file or directory
include "third party/eigen3/unsupported/Eigen/CXX11/Tensor"
compilation terminated.
Target //tensorflow/core::tensorfiow failed to build
安裝說明：
1. apt-get方式(假設(shè)默認(rèn)安裝到usr/local/include里(可在終端中輸入locate eigen3查看? 位置)，若實際中默認(rèn)安裝到/usrs/include的話，可以對應(yīng)替換下面命令的相應(yīng)部分)
運行命令：
sudo apt-get install libeigen3-dev
運行命令： (參考第二種方法的最下面的說明)
sudo cp -r /usr/local/include/eigen3/Eigein /usr/local/include執(zhí)行復(fù)制命令，將Eigen文件夾及其內(nèi)容放在/usr/include
2.下載源碼包和安裝protocbuf
git clone -recursive https://github.com/tensorflow/tensorflow
cd tensorflow/contrib/makefile
./build_all_linux.sh
./configure
至此，tensorflow 配置完畢.
?說明：安裝protobuf??
Protocol Buffers? (簡稱Protobuf) 是Google開源的一款跨語言，跨平臺，拓展性好的? 序列化工具，網(wǎng)上有許多安裝? protoc的教程，但是我推薦最好使用tesorflow源碼包里面的build_ alllinux.sh進(jìn)行protobuf的自動安裝，這樣，protoc 的版本和tensorflow的版本是對應(yīng)的(import)
cd tensoflow/tensorflow/contrib/makefile && /build alllindex.sh
查看版本以驗證安裝： protoc --version
二.編譯過程
編譯過程有兩種方式，種是使用 bazel build的方式，直接在源碼的workspace里面去編譯：另一種， 是使用先編譯動態(tài)鏈接庫。再使用編譯好的so文件，實現(xiàn)具體的compilation任務(wù)。
1)
bazel build -C opt <target>
其中copt的含義為--compilation_ mode=opt, 也可以用以下形式表現(xiàn)：
config. setting(
name=" simple'，
values = {"compilation. mode":"opt"})
若需要在GPU上執(zhí)行，則添加一個config選項
bazel build C opt -copt=mavx -config=cuda <target>
舉例說明：
編寫示例程序demo.cc
#include <iostream>
#include "tensorflow/cc/client/client_session.h"
#include tensorflow/cc/ops/standard_ops.h"
int main(){
using namespace tensorflow;
using namespace tensorflow ops;
Scope root = Scope NewRootScope():
//MatrixA=[3:2:-10]
auto A= Const(root, {3.f,2.f}，{-1f,0.f)\});
//Vector b=[3 5]
auto b= Const(root, {3.f,5.f });
auto v=MatMul(root WithOpName("v", A, b, MatMul:TransposeB(true));
std:vector<Tensor> outputs;
ClientSession session(root);
mkdir tensorflow/demo
把demo.cc放到tensorflow/demo 文件夾
BUILD文件寫為
cc_binary(
? ? name="demo", srcs=["demo.cc"],
? ? deps=["http://tensorflow/cc:cc_ops",
? ? ? ? ? ? ? ? "http://tensorflow/cc:client_session",
? ? ? ? ? ? ? ? "http://tensorflow/core:tensorflow"]])
運行 bazel build- opt demo? 生成demo可執(zhí)行文件，生成可執(zhí)行文件的位置在 bazel-bin/tensorflow/demo/demo
運行示例：
?bazel-bin/tensorflow/demo/demo
2019-09-0615:10:59.905602: tensorflow/demo/democc:219
2)方法二：先編譯動態(tài)鏈接庫
?bazel build//tensorflow:libtensorflow_cc.so
建立 TensorFlow庫文件夾： sudo mkdir/usrr/local/tensorflow
復(fù)制 include文件：
?mkdir /usr/local/tensorflow/include
?cp -r bazel-genfiles/ /usr/local/tensorflow/include/tf? cp-r tensorflow/*/usr/local/tensorflow/include/tf/tensorflow
?cp -r third_party /usr/local/tensorflow/include/tf
復(fù)制lib文件：
?sudo mkdir /usr/local/tensorflow/lib??
?sudo cp-r bazel-bin/tensorflow/libtensorflow_cc.so/usr/local/tensorflow/lib/
