系统:Ubuntu 16.04.5 LTS (GNU/Linux 4.4.0-116-generic x86_64)
内容主要来源自PROoshio的博客
有改动
- 安装tensorflow(测试系统基本环境)
pip2.7 install tensorflow --user (根据要使用的python版本)
这一步的目的是测试电脑的基本环境,比如cuda是否有正确的配置
进入Python,import tensorflow看是否成功,如果报错,根据错误解决
#cuda配置补充(根据具体版本来)
export PATH=/usr/local/cuda-9.0:$PATH$$
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH$
- 安装JDK8(为安装Bazel的做准备)
百度搜索JDK8,在ORACLE官网下载
我下载的版本
image.png
解压,添加环境变量
在$HOME/.bashrc中根据实际情况写入路径
export JAVA_HOME="$HOME/zhou_tf/jdk1.8.0_171"
export JAVA_BIN=$JAVA_HOME/bin
export JAVA_LIB=$JAVA_HOME/lib
export CLASSPATH=.:$JAVA_LIB/tools.jar:$JAVA_LIB/dt.jar
export PATH=$JAVA_BIN:$PATH
- 安装Bazel(Bazel是类似Cmake的编译工具,在Google内部广泛使用)
各版本地址release,本文为0.15.0(到底装哪个版本去tensorflow的github里搜索bazel,可以找到版本信息),下载好.sh文件之后执行一下命令:
chmod +x bazel--installer-linux-x86_64.sh
./bazel--installer-linux-x86_64.sh --use
此时看是否在用户目录下生成了bin目录
添加环境变量
在 ~/.bashrc文件的末尾添加
export PATH=$HOME/bin:$PATH
source ~/.bashrc
- 安装Eigen(C++api中的Tensor由Eigen实现)
去github tensorflow的tensorflow/tensorflow/workspace.bzl里找到适配版本的下载链接:
tf_http_archive(
name = "eigen_archive",
urls = [
"https://mirror.bazel.build/bitbucket.org/eigen/eigen/get/fd6845384b86.tar.gz",
"https://bitbucket.org/eigen/eigen/get/fd6845384b86.tar.gz",
],
sha256 = "d956415d784fa4e42b6a2a45c32556d6aec9d0a3d8ef48baee2522ab762556a9",
strip_prefix = "eigen-eigen-fd6845384b86",
build_file = clean_dep("//third_party:eigen.BUILD"),
)
下载其中任何一个链接都可,下载好之后解压:
把文件夹eigen-eigen-fd6845384b86改名为Eigen3
在$HOME/.bashrc后面添加
export CPLUS_INCLUDE_PATH="$HOME/Eigen3/:$CPLUS_INCLUDE_PATH"
export CPLUS_INCLUDE_PATH="$HOME/Eigen3/Eigen/:$CPLUS_INCLUDE_PATH"
- 安装protobuf
与安装Eigen同样的套路,去gitbub里寻找版本,选其一下载
tf_http_archive(
name = "protobuf_archive",
urls = [
"https://mirror.bazel.build/github.com/google/protobuf/archive/v3.6.0.tar.gz",
"https://github.com/google/protobuf/archive/v3.6.0.tar.gz",
],
sha256 = "50a5753995b3142627ac55cfd496cebc418a2e575ca0236e29033c67bd5665f4",
strip_prefix = "protobuf-3.6.0",
下载好后进入protobuf目录输入以下命令安装
./autogen.sh
如果报出下面错误
./autogen.sh: 32: ./autogen.sh: autoreconf: not found
请管理员执行
sudo apt-get install autoconf automake libtool
自己再执行
./configure --prefix=$HOME/tools/protobuf_bin (自己新建的目录)
make
make install
make可以根据cpu情况加上 -j4或 -j8
编译好后添加环境变量(根据自己的安装路径来)
export PATH=$PATH:$HOME/tools/protobuf_bin/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/tools/protobuf_bin/lib
export CPLUS_INCLUDE_PATH="/home/zhouxd/tools/protobuf_bin/include"
- 安装nsync
同样的套路,去gitbub里寻找版本,选其一下载
tf_http_archive(
name = "nsync",
urls = [
"https://mirror.bazel.build/github.com/google/nsync/archive/1.20.0.tar.gz",
"https://github.com/google/nsync/archive/1.20.0.tar.gz",
],
sha256 = "0c1b03962b2f8450f21e74a5a46116bf2d6009a807c57eb4207e974a8c4bb7dd",
strip_prefix = "nsync-1.20.0",
)
再添加环境路径即可:
export CPLUS_INCLUDE_PATH="$HOME/tools/nsync-1.20.0/public:$CPLUS_INCLUDE_PATH"
记得让环境变量生效
source ~/.bashrc
- 编译tensorflow
进入tensorflow下载目录,输入以下命令:
./configure
提示你进行配置,除了cuda支持选yes其他全部选no
然后其它都默认
bazel build //tensorflow:libtensorflow_cc.so
在tensorflow-master/ bazel-bin/ tensorflow下就会看到libtensorflow_cc.so和libtensorflow_framework.so两个动态库;
bazel-bin是隐藏目录,如果看不到用ls -a显示
有了这两个动态库,就可以进行C++api的开发了。