從原始碼建構

從原始碼建構 TensorFlow pip 套件，並在 Ubuntu Linux 和 macOS 上安裝。雖然這些說明可能適用於其他系統，但僅在 Ubuntu 和 macOS 上經過測試和支援。

Linux 和 macOS 的設定

安裝下列建構工具以設定您的開發環境。

安裝 Python 和 TensorFlow 套件相依性

sudo apt install python3-dev python3-pip

brew install python

安裝 TensorFlow pip 套件相依性（如果使用虛擬環境，請省略 --user 引數）

pip install -U --user pip

安裝 Bazel

若要建構 TensorFlow，您需要安裝 Bazel。Bazelisk 是安裝 Bazel 的簡單方法，並會自動下載適用於 TensorFlow 的正確 Bazel 版本。為了方便使用，請將 Bazelisk 新增為 PATH 中的 bazel 可執行檔。

如果 Bazelisk 無法使用，您可以手動 安裝 Bazel。請務必從 TensorFlow 的 .bazelversion 檔案安裝正確的 Bazel 版本。

安裝 Clang（建議，僅限 Linux）

Clang 是以 C++ 編譯的 C/C++/Objective-C 編譯器，基於 LLVM。自 TensorFlow 2.13 起，它是建構 TensorFlow 的預設編譯器。目前支援的版本是 LLVM/Clang 17。

LLVM Debian/Ubuntu nightly packages 提供自動安裝指令碼和套件，以便在 Linux 上手動安裝。如果您手動將 llvm apt 儲存庫新增至套件來源，請務必執行下列命令

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

現在 /usr/lib/llvm-17/bin/clang 是此案例中 clang 的實際路徑。

或者，您可以下載並解壓縮預先建構的 Clang + LLVM 17。

以下範例說明您可以在 Debian/Ubuntu 作業系統上設定下載的 Clang + LLVM 17 二進位檔的步驟

1. 變更為所需的目的目錄：cd <desired directory>

2. 載入並解壓縮封存檔...（適合您的架構）

   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. 將解壓縮的內容（目錄和檔案）複製到 /usr（您可能需要 sudo 權限，且正確的目錄可能因發行版本而異）。這會有效地安裝 Clang 和 LLVM，並將其新增至路徑。您不應該需要取代任何項目，除非您先前已安裝，在這種情況下，您應該取代檔案

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

4. 檢查取得的 Clang + LLVM 17 二進位檔版本

   clang --version
   

5. 現在 /usr/bin/clang 是新 clang 的實際路徑。您可以執行 ./configure 指令碼，或手動將環境變數 CC 和 BAZEL_COMPILER 設定為此路徑。

安裝 GPU 支援（選用，僅限 Linux）

macOS 不支援 GPU。

閱讀 GPU 支援 指南以安裝在 GPU 上執行 TensorFlow 所需的驅動程式和其他軟體。

下載 TensorFlow 原始碼

使用 Git 複製 TensorFlow 儲存庫

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

儲存庫預設為 master 開發分支。您也可以查看發行分支以進行建構

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

設定建構

TensorFlow 建構是由儲存庫根目錄中的 .bazelrc 檔案設定的。./configure 或 ./configure.py 指令碼可用於調整常見設定。

請從儲存庫的根目錄執行 ./configure 指令碼。此指令碼會提示您輸入 TensorFlow 相依性的位置，並詢問其他建構設定選項（例如，編譯器旗標）。如需詳細資訊，請參閱「範例工作階段」章節。

./configure

此指令碼也有 Python 版本，即 ./configure.py。如果使用虛擬環境，python configure.py 會優先處理環境內的路徑，而 ./configure 則優先處理環境外的路徑。在這兩種情況下，您都可以變更預設值。

範例工作階段

以下顯示 ./configure 指令碼的範例執行（您的工作階段可能不同）

./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.

設定選項

GPU 支援

為了獲得 GPU 支援，請在設定期間設定 cuda=Y，並指定 CUDA 和 cuDNN 的版本。如果您的系統安裝了多個 CUDA 或 cuDNN 版本，請明確設定版本，而不是依賴預設值。./configure 會建立系統 CUDA 程式庫的符號連結—因此，如果您更新 CUDA 程式庫路徑，則必須在建構之前再次執行此設定步驟。

最佳化

針對編譯最佳化旗標，預設值 (-march=native) 會針對您機器的 CPU 類型最佳化產生的程式碼。但是，如果為不同的 CPU 類型建構 TensorFlow，請考慮更具體的最佳化旗標。請查看 GCC 手冊以取得範例。

預先設定的組態

有一些預先設定的建構組態可供使用，例如可以新增至 bazel build 命令

• --config=dbg —使用偵錯資訊建構。如需詳細資訊，請參閱 CONTRIBUTING.md。
• --config=mkl —支援 Intel® MKL-DNN。
• --config=monolithic —適用於主要靜態單體式建構的組態。

建構並安裝 pip 套件

Bazel 建構選項

如需建構選項，請參閱 Bazel 命令列參考。

從原始碼建構 TensorFlow 可能會使用大量 RAM。如果您的系統記憶體受限，請使用以下命令限制 Bazel 的 RAM 使用量：--local_ram_resources=2048。

官方 TensorFlow 套件是使用符合 manylinux2014 套件標準的 Clang 工具鏈建構的。

建構套件

若要建構 pip 套件，您需要指定 --repo_env=WHEEL_NAME 旗標。根據提供的名稱，將會建立套件，例如

建構 tensorflow CPU 套件

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

建構 tensorflow GPU 套件

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

建構 tensorflow TPU 套件

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

若要建構 nightly 套件，請設定 tf_nightly 而不是 tensorflow，例如，建構 CPU nightly 套件

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

因此，產生的 wheel 將位於

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

安裝套件

產生的 .whl 檔案名稱取決於 TensorFlow 版本和您的平台。使用 pip install 安裝套件，例如

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

Docker Linux 建構

TensorFlow 的 Docker 開發映像檔是設定環境以從原始碼建構 Linux 套件的簡單方法。這些映像檔已包含建構 TensorFlow 所需的原始碼和相依性。如需安裝指示和可用映像檔標籤的清單，請前往 TensorFlow Docker 指南。

僅限 CPU

以下範例使用 :devel 映像檔從最新的 TensorFlow 原始碼建構僅限 CPU 的套件。請查看 Docker 指南以取得可用的 TensorFlow -devel 標籤。

下載最新的開發映像檔，並啟動您將用來建構 pip 套件的 Docker 容器

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

上述 docker run 命令會在 /tensorflow_src 目錄（原始碼樹狀結構的根目錄）中啟動 Shell。它會將主機的目前目錄掛載到容器的 /mnt 目錄中，並透過環境變數將主機使用者的資訊傳遞至容器（用於設定權限—Docker 可能會使此過程變得棘手）。

或者，若要在容器內建構 TensorFlow 的主機副本，請將主機原始碼樹狀結構掛載到容器的 /tensorflow 目錄

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

設定原始碼樹狀結構後，在容器的虛擬環境中建構 TensorFlow 套件

1. 選用：設定建構—這會提示使用者回答建構設定問題。
2. 建構 pip 套件。
3. 調整容器外部檔案的擁有權權限。

./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

在容器內安裝並驗證套件

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__)"

在您的主機上，TensorFlow pip 套件位於目前目錄中（具有主機使用者權限）：./tensorflow-version-tags.whl

GPU 支援

Docker 是為 TensorFlow 建構 GPU 支援的最簡單方法，因為主機僅需要 NVIDIA® 驅動程式（不必安裝 NVIDIA® CUDA® Toolkit）。如需設定 nvidia-docker（僅限 Linux），請參閱 GPU 支援指南和 TensorFlow Docker 指南。

以下範例下載 TensorFlow :devel-gpu 映像檔，並使用 nvidia-docker 執行 GPU 啟用的容器。此開發映像檔已設定為建構具有 GPU 支援的 pip 套件

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

然後，在容器的虛擬環境中，建構具有 GPU 支援的 TensorFlow 套件

./configure  # if necessary

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

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

在容器內安裝並驗證套件，並檢查 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')))"

經過測試的建構組態

Linux

CPU

GPU

macOS

CPU

GPU