Tạo từ nguồn

Xây dựng gói pip TensorFlow từ nguồn và cài đặt nó trên Ubuntu Linux và macOS. Mặc dù hướng dẫn có thể áp dụng cho các hệ thống khác nhưng nó chỉ được thử nghiệm và hỗ trợ cho Ubuntu và macOS.

Thiết lập cho Linux và macOS

Cài đặt các công cụ xây dựng sau để định cấu hình môi trường phát triển của bạn.

Cài đặt Python và các phần phụ thuộc của gói TensorFlow

sudo apt install python3-dev python3-pip

brew install python

Cài đặt các phần phụ thuộc của gói pip TensorFlow (nếu sử dụng môi trường ảo, hãy bỏ qua đối số --user ):

pip install -U --user pip

Cài đặt Bazel

Để xây dựng TensorFlow, bạn sẽ cần cài đặt Bazel. Bazelisk là một cách dễ dàng để cài đặt Bazel và tự động tải xuống phiên bản Bazel chính xác cho TensorFlow. Để dễ sử dụng, hãy thêm Bazelisk làm tệp thực thi bazel trong PATH của bạn.

Nếu Bazelisk không có sẵn, bạn có thể cài đặt Bazel theo cách thủ công. Đảm bảo cài đặt đúng phiên bản Bazel từ tệp .bazelversion của TensorFlow.

Cài đặt Clang (được khuyến nghị, chỉ dành cho Linux)

Clang là trình biên dịch C/C++/Objective-C được biên dịch bằng C++ dựa trên LLVM. Đây là trình biên dịch mặc định để xây dựng TensorFlow bắt đầu với TensorFlow 2.13. Phiên bản được hỗ trợ hiện tại là LLVM/Clang 17.

Các gói hàng đêm của LLVM Debian/Ubuntu cung cấp tập lệnh cài đặt tự động và các gói để cài đặt thủ công trên Linux. Đảm bảo bạn chạy lệnh sau nếu bạn thêm kho lưu trữ llvm apt vào nguồn gói của mình theo cách thủ công:

sudo apt-get update && sudo apt-get install -y llvm-17 clang-17

Bây giờ /usr/lib/llvm-17/bin/clang là đường dẫn thực sự gây ra tiếng kêu trong trường hợp này.

Ngoài ra, bạn có thể tải xuống và giải nén Clang + LLVM 17 dựng sẵn.

Dưới đây là ví dụ về các bước bạn có thể thực hiện để thiết lập tệp nhị phân Clang + LLVM 17 đã tải xuống trên hệ điều hành Debian/Ubuntu:

1. Thay đổi thư mục đích mong muốn: cd <desired directory>

2. Tải và giải nén tệp lưu trữ...(phù hợp với kiến ​​trúc của bạn):

   wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   
   tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   

3. Sao chép nội dung được trích xuất (thư mục và tệp) vào /usr (bạn có thể cần quyền sudo và thư mục chính xác có thể thay đổi tùy theo phân phối). Điều này sẽ cài đặt Clang và LLVM một cách hiệu quả và thêm nó vào đường dẫn. Bạn không cần phải thay thế bất cứ thứ gì, trừ khi bạn đã cài đặt trước đó, trong trường hợp đó bạn nên thay thế các tệp:

   cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr

4. Kiểm tra phiên bản nhị phân Clang + LLVM 17 thu được:

   clang --version

5. Bây giờ /usr/bin/clang là đường dẫn thực tế đến tiếng kêu mới của bạn. Bạn có thể chạy tập lệnh ./configure hoặc đặt thủ công các biến môi trường CC và BAZEL_COMPILER cho đường dẫn này.

Cài đặt hỗ trợ GPU (tùy chọn, chỉ dành cho Linux)

Không có hỗ trợ GPU cho macOS.

Đọc hướng dẫn hỗ trợ GPU để cài đặt trình điều khiển và phần mềm bổ sung cần thiết để chạy TensorFlow trên GPU.

Tải xuống mã nguồn TensorFlow

Sử dụng Git để sao chép kho lưu trữ TensorFlow :

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

Repo mặc định là nhánh phát triển master . Bạn cũng có thể kiểm tra một nhánh phát hành để xây dựng:

git checkout branch_name  # r2.2, r2.3, etc.

Cấu hình bản dựng

Các bản dựng TensorFlow được cấu hình bởi tệp .bazelrc trong thư mục gốc của kho lưu trữ. Các tập lệnh ./configure hoặc ./configure.py có thể được sử dụng để điều chỉnh các cài đặt chung.

Vui lòng chạy tập lệnh ./configure từ thư mục gốc của kho lưu trữ. Tập lệnh này sẽ nhắc bạn về vị trí của các phần phụ thuộc TensorFlow và yêu cầu các tùy chọn cấu hình bản dựng bổ sung (ví dụ: cờ trình biên dịch). Tham khảo phần Phiên mẫu để biết chi tiết.

./configure

Ngoài ra còn có phiên bản python của tập lệnh này, ./configure.py . Nếu sử dụng môi trường ảo, python configure.py ưu tiên các đường dẫn trong môi trường, trong khi ./configure ưu tiên các đường dẫn bên ngoài môi trường. Trong cả hai trường hợp, bạn có thể thay đổi mặc định.

Phiên mẫu

Phần sau đây hiển thị mẫu chạy tập lệnh ./configure (phiên của bạn có thể khác):

./configure
You have bazel 6.1.0 installed.
Please specify the location of python. [Default is /Library/Frameworks/Python.framework/Versions/3.9/bin/python3]: 


Found possible Python library paths:
  /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages
Please input the desired Python library path to use.  Default is [/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages]

Do you wish to build TensorFlow with ROCm support? [y/N]:
No ROCm support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]:
No CUDA support will be enabled for TensorFlow.

Do you want to use Clang to build TensorFlow? [Y/n]:
Clang will be used to compile TensorFlow.

Please specify the path to clang executable. [Default is /usr/lib/llvm-16/bin/clang]:

You have Clang 16.0.4 installed.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]:


Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n
Not configuring the WORKSPACE for Android builds.

Do you wish to build TensorFlow with iOS support? [y/N]: n
No iOS support will be enabled for TensorFlow.

Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details.
    --config=mkl            # Build with MKL support.
    --config=mkl_aarch64    # Build with oneDNN and Compute Library for the Arm Architecture (ACL).
    --config=monolithic     # Config for mostly static monolithic build.
    --config=numa           # Build with NUMA support.
    --config=dynamic_kernels    # (Experimental) Build kernels into separate shared objects.
    --config=v1             # Build with TensorFlow 1 API instead of TF 2 API.
Preconfigured Bazel build configs to DISABLE default on features:
    --config=nogcp          # Disable GCP support.
    --config=nonccl         # Disable NVIDIA NCCL support.

Tùy chọn cấu hình

hỗ trợ GPU

từ v.2.18.0

Để được hỗ trợ GPU , hãy đặt cuda=Y trong khi định cấu hình và chỉ định phiên bản CUDA và cuDNN nếu được yêu cầu. Bazel sẽ tự động tải xuống các gói CUDA và CUDNN hoặc trỏ đến các bản phân phối lại CUDA/CUDNN/NCCL trên hệ thống tệp cục bộ nếu được yêu cầu.

trước v.2.18.0

Để được hỗ trợ GPU , hãy đặt cuda=Y trong khi định cấu hình và chỉ định phiên bản CUDA và cuDNN. Nếu hệ thống của bạn đã cài đặt nhiều phiên bản CUDA hoặc cuDNN, hãy đặt phiên bản đó một cách rõ ràng thay vì dựa vào phiên bản mặc định. ./configure tạo các liên kết tượng trưng đến thư viện CUDA trong hệ thống của bạn—vì vậy nếu bạn cập nhật đường dẫn thư viện CUDA, bước cấu hình này phải được chạy lại trước khi xây dựng.

Tối ưu hóa

Đối với các cờ tối ưu hóa biên dịch, mặc định ( -march=native ) sẽ tối ưu hóa mã được tạo cho loại CPU của máy của bạn. Tuy nhiên, nếu xây dựng TensorFlow cho loại CPU khác, hãy xem xét cờ tối ưu hóa cụ thể hơn. Kiểm tra hướng dẫn sử dụng GCC để biết ví dụ.

Cấu hình được cấu hình sẵn

Có một số cấu hình bản dựng được cấu hình sẵn có thể được thêm vào lệnh bazel build , ví dụ:

• --config=dbg —Xây dựng với thông tin gỡ lỗi. Xem ĐÓNG GÓP.md để biết chi tiết.
• --config=mkl —Hỗ trợ cho Intel® MKL-DNN .
• --config=monolithic —Cấu hình cho một bản dựng nguyên khối, chủ yếu là tĩnh.

Xây dựng và cài đặt gói pip

Tùy chọn xây dựng Bazel

Tham khảo tham chiếu dòng lệnh Bazel để biết các tùy chọn xây dựng .

Xây dựng TensorFlow từ nguồn có thể sử dụng nhiều RAM. Nếu hệ thống của bạn bị hạn chế về bộ nhớ, hãy giới hạn mức sử dụng RAM của Bazel bằng: --local_ram_resources=2048 .

Các gói TensorFlow chính thức được xây dựng bằng chuỗi công cụ Clang tuân thủ tiêu chuẩn gói Manylinux2014.

Xây dựng gói

Để xây dựng gói pip, bạn cần chỉ định cờ --repo_env=WHEEL_NAME . tùy thuộc vào tên được cung cấp, gói sẽ được tạo, ví dụ:

Để xây dựng gói CPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu

Để xây dựng gói GPU tenorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel

Để xây dựng gói TPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu

Để xây dựng gói hàng đêm, hãy đặt tf_nightly thay vì tensorflow , ví dụ: để xây dựng gói CPU hàng đêm:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu

Kết quả là, bánh xe được tạo ra sẽ được đặt ở

bazel-bin/tensorflow/tools/pip_package/wheel_house/

Cài đặt gói

Tên tệp của tệp .whl được tạo tùy thuộc vào phiên bản TensorFlow và nền tảng của bạn. Sử dụng pip install để cài đặt gói, ví dụ:

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Bản dựng Docker Linux

Hình ảnh phát triển Docker của TensorFlow là một cách dễ dàng để thiết lập môi trường xây dựng các gói Linux từ nguồn. Những hình ảnh này đã chứa mã nguồn và các phần phụ thuộc cần thiết để xây dựng TensorFlow. Đi tới hướng dẫn TensorFlow Docker để biết hướng dẫn cài đặt và danh sách các thẻ hình ảnh có sẵn .

chỉ dành cho CPU

Ví dụ sau sử dụng hình ảnh :devel để xây dựng gói chỉ dành cho CPU từ mã nguồn TensorFlow mới nhất. Kiểm tra hướng dẫn Docker để biết các thẻ TensorFlow -devel có sẵn.

Tải xuống hình ảnh phát triển mới nhất và khởi động vùng chứa Docker mà bạn sẽ sử dụng để xây dựng gói pip :

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

Lệnh docker run ở trên khởi động một shell trong thư mục /tensorflow_src —gốc của cây nguồn. Nó gắn thư mục hiện tại của máy chủ vào thư mục /mnt của vùng chứa và chuyển thông tin của người dùng máy chủ đến vùng chứa thông qua một biến môi trường (được sử dụng để đặt quyền—Docker có thể khiến việc này trở nên phức tạp).

Ngoài ra, để tạo bản sao máy chủ của TensorFlow trong vùng chứa, hãy gắn cây nguồn máy chủ vào thư mục /tensorflow của vùng chứa:

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

Sau khi thiết lập cây nguồn, hãy xây dựng gói TensorFlow trong môi trường ảo của vùng chứa:

1. Tùy chọn: Định cấu hình bản dựng—điều này sẽ nhắc người dùng trả lời các câu hỏi về cấu hình bản dựng.
2. Xây dựng gói pip .
3. Điều chỉnh quyền sở hữu của tệp bên ngoài vùng chứa.

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Cài đặt và xác minh gói trong vùng chứa:

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

Trên máy chủ của bạn, gói pip TensorFlow nằm trong thư mục hiện tại (với quyền của người dùng máy chủ): ./tensorflow- version - tags .whl

hỗ trợ GPU

Docker là cách dễ nhất để xây dựng hỗ trợ GPU cho TensorFlow vì máy chủ chỉ yêu cầu trình điều khiển NVIDIA® (không cần cài đặt Bộ công cụ NVIDIA® CUDA® ). Tham khảo hướng dẫn hỗ trợ GPU và hướng dẫn TensorFlow Docker để thiết lập nvidia-docker (chỉ dành cho Linux).

Ví dụ sau tải xuống hình ảnh TensorFlow :devel-gpu và sử dụng nvidia-docker để chạy vùng chứa hỗ trợ GPU. Hình ảnh phát triển này được định cấu hình để xây dựng gói pip có hỗ trợ GPU:

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

Sau đó, trong môi trường ảo của vùng chứa, hãy xây dựng gói TensorFlow có hỗ trợ GPU:

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel --config=opt

chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Cài đặt và xác minh gói trong vùng chứa cũng như kiểm tra GPU:

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

Cấu hình bản dựng đã được thử nghiệm

Linux

CPU

GPU

macOS

CPU

GPU

Xây dựng gói pip TensorFlow từ nguồn và cài đặt nó trên Ubuntu Linux và macOS. Mặc dù hướng dẫn có thể áp dụng cho các hệ thống khác nhưng nó chỉ được thử nghiệm và hỗ trợ cho Ubuntu và macOS.

Thiết lập cho Linux và macOS

Cài đặt các công cụ xây dựng sau để định cấu hình môi trường phát triển của bạn.

Cài đặt Python và các phần phụ thuộc của gói TensorFlow

sudo apt install python3-dev python3-pip

brew install python

Cài đặt các phần phụ thuộc của gói pip TensorFlow (nếu sử dụng môi trường ảo, hãy bỏ qua đối số --user ):

pip install -U --user pip

Cài đặt Bazel

Để xây dựng TensorFlow, bạn sẽ cần cài đặt Bazel. Bazelisk là một cách dễ dàng để cài đặt Bazel và tự động tải xuống phiên bản Bazel chính xác cho TensorFlow. Để dễ sử dụng, hãy thêm Bazelisk làm tệp thực thi bazel trong PATH của bạn.

Nếu Bazelisk không có sẵn, bạn có thể cài đặt Bazel theo cách thủ công. Đảm bảo cài đặt đúng phiên bản Bazel từ tệp .bazelversion của TensorFlow.

Cài đặt Clang (được khuyến nghị, chỉ dành cho Linux)

Clang là trình biên dịch C/C++/Objective-C được biên dịch bằng C++ dựa trên LLVM. Đây là trình biên dịch mặc định để xây dựng TensorFlow bắt đầu với TensorFlow 2.13. Phiên bản được hỗ trợ hiện tại là LLVM/Clang 17.

Các gói hàng đêm của LLVM Debian/Ubuntu cung cấp tập lệnh cài đặt tự động và các gói để cài đặt thủ công trên Linux. Đảm bảo bạn chạy lệnh sau nếu bạn thêm kho lưu trữ llvm apt vào nguồn gói của mình theo cách thủ công:

sudo apt-get update && sudo apt-get install -y llvm-17 clang-17

Bây giờ /usr/lib/llvm-17/bin/clang là đường dẫn thực sự gây ra tiếng kêu trong trường hợp này.

Ngoài ra, bạn có thể tải xuống và giải nén Clang + LLVM 17 dựng sẵn.

Dưới đây là ví dụ về các bước bạn có thể thực hiện để thiết lập tệp nhị phân Clang + LLVM 17 đã tải xuống trên hệ điều hành Debian/Ubuntu:

1. Thay đổi thư mục đích mong muốn: cd <desired directory>

2. Tải và giải nén tệp lưu trữ...(phù hợp với kiến ​​trúc của bạn):

   wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   
   tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   

3. Sao chép nội dung được trích xuất (thư mục và tệp) vào /usr (bạn có thể cần quyền sudo và thư mục chính xác có thể thay đổi tùy theo phân phối). Điều này sẽ cài đặt Clang và LLVM một cách hiệu quả và thêm nó vào đường dẫn. Bạn không cần phải thay thế bất cứ thứ gì, trừ khi bạn đã cài đặt trước đó, trong trường hợp đó bạn nên thay thế các tệp:

   cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr

4. Kiểm tra phiên bản nhị phân Clang + LLVM 17 thu được:

   clang --version

5. Bây giờ /usr/bin/clang là đường dẫn thực tế đến tiếng kêu mới của bạn. Bạn có thể chạy tập lệnh ./configure hoặc đặt thủ công các biến môi trường CC và BAZEL_COMPILER cho đường dẫn này.

Cài đặt hỗ trợ GPU (tùy chọn, chỉ dành cho Linux)

Không có hỗ trợ GPU cho macOS.

Đọc hướng dẫn hỗ trợ GPU để cài đặt trình điều khiển và phần mềm bổ sung cần thiết để chạy TensorFlow trên GPU.

Tải xuống mã nguồn TensorFlow

Sử dụng Git để sao chép kho lưu trữ TensorFlow :

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

Repo mặc định là nhánh phát triển master . Bạn cũng có thể kiểm tra một nhánh phát hành để xây dựng:

git checkout branch_name  # r2.2, r2.3, etc.

Cấu hình bản dựng

Các bản dựng TensorFlow được cấu hình bởi tệp .bazelrc trong thư mục gốc của kho lưu trữ. Các tập lệnh ./configure hoặc ./configure.py có thể được sử dụng để điều chỉnh các cài đặt chung.

Vui lòng chạy tập lệnh ./configure từ thư mục gốc của kho lưu trữ. Tập lệnh này sẽ nhắc bạn về vị trí của các phần phụ thuộc TensorFlow và yêu cầu các tùy chọn cấu hình bản dựng bổ sung (ví dụ: cờ trình biên dịch). Tham khảo phần Phiên mẫu để biết chi tiết.

./configure

Ngoài ra còn có phiên bản python của tập lệnh này, ./configure.py . Nếu sử dụng môi trường ảo, python configure.py ưu tiên các đường dẫn trong môi trường, trong khi ./configure ưu tiên các đường dẫn bên ngoài môi trường. Trong cả hai trường hợp, bạn có thể thay đổi mặc định.

Phiên mẫu

Phần sau đây hiển thị mẫu chạy tập lệnh ./configure (phiên của bạn có thể khác):

./configure
You have bazel 6.1.0 installed.
Please specify the location of python. [Default is /Library/Frameworks/Python.framework/Versions/3.9/bin/python3]: 


Found possible Python library paths:
  /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages
Please input the desired Python library path to use.  Default is [/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages]

Do you wish to build TensorFlow with ROCm support? [y/N]:
No ROCm support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]:
No CUDA support will be enabled for TensorFlow.

Do you want to use Clang to build TensorFlow? [Y/n]:
Clang will be used to compile TensorFlow.

Please specify the path to clang executable. [Default is /usr/lib/llvm-16/bin/clang]:

You have Clang 16.0.4 installed.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]:


Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n
Not configuring the WORKSPACE for Android builds.

Do you wish to build TensorFlow with iOS support? [y/N]: n
No iOS support will be enabled for TensorFlow.

Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details.
    --config=mkl            # Build with MKL support.
    --config=mkl_aarch64    # Build with oneDNN and Compute Library for the Arm Architecture (ACL).
    --config=monolithic     # Config for mostly static monolithic build.
    --config=numa           # Build with NUMA support.
    --config=dynamic_kernels    # (Experimental) Build kernels into separate shared objects.
    --config=v1             # Build with TensorFlow 1 API instead of TF 2 API.
Preconfigured Bazel build configs to DISABLE default on features:
    --config=nogcp          # Disable GCP support.
    --config=nonccl         # Disable NVIDIA NCCL support.

Tùy chọn cấu hình

hỗ trợ GPU

từ v.2.18.0

Để được hỗ trợ GPU , hãy đặt cuda=Y trong khi định cấu hình và chỉ định phiên bản CUDA và cuDNN nếu được yêu cầu. Bazel sẽ tự động tải xuống các gói CUDA và CUDNN hoặc trỏ đến các bản phân phối lại CUDA/CUDNN/NCCL trên hệ thống tệp cục bộ nếu được yêu cầu.

trước v.2.18.0

Để được hỗ trợ GPU , hãy đặt cuda=Y trong khi định cấu hình và chỉ định phiên bản CUDA và cuDNN. Nếu hệ thống của bạn đã cài đặt nhiều phiên bản CUDA hoặc cuDNN, hãy đặt phiên bản đó một cách rõ ràng thay vì dựa vào phiên bản mặc định. ./configure tạo các liên kết tượng trưng đến thư viện CUDA trong hệ thống của bạn—vì vậy nếu bạn cập nhật đường dẫn thư viện CUDA, bước cấu hình này phải được chạy lại trước khi xây dựng.

Tối ưu hóa

Đối với các cờ tối ưu hóa biên dịch, mặc định ( -march=native ) sẽ tối ưu hóa mã được tạo cho loại CPU của máy của bạn. Tuy nhiên, nếu xây dựng TensorFlow cho loại CPU khác, hãy xem xét cờ tối ưu hóa cụ thể hơn. Kiểm tra hướng dẫn sử dụng GCC để biết ví dụ.

Cấu hình được cấu hình sẵn

Có một số cấu hình bản dựng được cấu hình sẵn có thể được thêm vào lệnh bazel build , ví dụ:

• --config=dbg —Xây dựng với thông tin gỡ lỗi. Xem ĐÓNG GÓP.md để biết chi tiết.
• --config=mkl —Hỗ trợ cho Intel® MKL-DNN .
• --config=monolithic —Cấu hình cho một bản dựng nguyên khối, chủ yếu là tĩnh.

Xây dựng và cài đặt gói pip

Tùy chọn xây dựng Bazel

Tham khảo tham chiếu dòng lệnh Bazel để biết các tùy chọn xây dựng .

Xây dựng TensorFlow từ nguồn có thể sử dụng nhiều RAM. Nếu hệ thống của bạn bị hạn chế về bộ nhớ, hãy giới hạn mức sử dụng RAM của Bazel bằng: --local_ram_resources=2048 .

Các gói TensorFlow chính thức được xây dựng bằng chuỗi công cụ Clang tuân thủ tiêu chuẩn gói Manylinux2014.

Xây dựng gói

Để xây dựng gói pip, bạn cần chỉ định cờ --repo_env=WHEEL_NAME . tùy thuộc vào tên được cung cấp, gói sẽ được tạo, ví dụ:

Để xây dựng gói CPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu

Để xây dựng gói GPU tenorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel

Để xây dựng gói TPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu

Để xây dựng gói hàng đêm, hãy đặt tf_nightly thay vì tensorflow , ví dụ: để xây dựng gói CPU hàng đêm:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu

Kết quả là, bánh xe được tạo ra sẽ được đặt ở

bazel-bin/tensorflow/tools/pip_package/wheel_house/

Cài đặt gói

Tên tệp của tệp .whl được tạo tùy thuộc vào phiên bản TensorFlow và nền tảng của bạn. Sử dụng pip install để cài đặt gói, ví dụ:

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Bản dựng Docker Linux

Hình ảnh phát triển Docker của TensorFlow là một cách dễ dàng để thiết lập môi trường xây dựng các gói Linux từ nguồn. Những hình ảnh này đã chứa mã nguồn và các phần phụ thuộc cần thiết để xây dựng TensorFlow. Đi tới hướng dẫn TensorFlow Docker để biết hướng dẫn cài đặt và danh sách các thẻ hình ảnh có sẵn .

chỉ dành cho CPU

Ví dụ sau sử dụng hình ảnh :devel để xây dựng gói chỉ dành cho CPU từ mã nguồn TensorFlow mới nhất. Kiểm tra hướng dẫn Docker để biết các thẻ TensorFlow -devel có sẵn.

Tải xuống hình ảnh phát triển mới nhất và khởi động vùng chứa Docker mà bạn sẽ sử dụng để xây dựng gói pip :

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

Lệnh docker run ở trên khởi động một shell trong thư mục /tensorflow_src —gốc của cây nguồn. Nó gắn thư mục hiện tại của máy chủ vào thư mục /mnt của vùng chứa và chuyển thông tin của người dùng máy chủ đến vùng chứa thông qua một biến môi trường (được sử dụng để đặt quyền—Docker có thể khiến việc này trở nên phức tạp).

Ngoài ra, để tạo bản sao máy chủ của TensorFlow trong vùng chứa, hãy gắn cây nguồn máy chủ vào thư mục /tensorflow của vùng chứa:

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

Sau khi thiết lập cây nguồn, hãy xây dựng gói TensorFlow trong môi trường ảo của vùng chứa:

1. Tùy chọn: Định cấu hình bản dựng—điều này sẽ nhắc người dùng trả lời các câu hỏi về cấu hình bản dựng.
2. Xây dựng gói pip .
3. Điều chỉnh quyền sở hữu của tệp bên ngoài vùng chứa.

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Cài đặt và xác minh gói trong vùng chứa:

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

Trên máy chủ của bạn, gói pip TensorFlow nằm trong thư mục hiện tại (với quyền của người dùng máy chủ): ./tensorflow- version - tags .whl

hỗ trợ GPU

Docker là cách dễ nhất để xây dựng hỗ trợ GPU cho TensorFlow vì máy chủ chỉ yêu cầu trình điều khiển NVIDIA® (không cần cài đặt Bộ công cụ NVIDIA® CUDA® ). Tham khảo hướng dẫn hỗ trợ GPU và hướng dẫn TensorFlow Docker để thiết lập nvidia-docker (chỉ dành cho Linux).

Ví dụ sau tải xuống hình ảnh TensorFlow :devel-gpu và sử dụng nvidia-docker để chạy vùng chứa hỗ trợ GPU. Hình ảnh phát triển này được định cấu hình để xây dựng gói pip có hỗ trợ GPU:

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

Sau đó, trong môi trường ảo của vùng chứa, hãy xây dựng gói TensorFlow có hỗ trợ GPU:

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel --config=opt

chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Cài đặt và xác minh gói trong vùng chứa cũng như kiểm tra GPU:

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

Cấu hình bản dựng đã được thử nghiệm

Linux

CPU

GPU

macOS

CPU

GPU