有没有人成功地使用以下配置构建了 tensorflow python wheel:

1. CPU(不是 GPU)
2. 操作系统:Windows 7/服务器 2012
3. 使用英特尔 MKL 和/或 mkl-dnn
4. Python 3.6

几天来，我一直在努力尝试调整 bazel 文件和 cmake 文件，但没有成功。

想知道是否有人成功并愿意分享他所做的事情。

谢谢，李奥

最佳答案

首先，从早期的 v1.x 版本到现在的 v2.x 版本，从源代码构建 tensorflow 一直是一项具有挑战性的壮举。然而，作为我工作的一部分，我不得不先用 cmake 构建它，然后再用 bazel 构建它。我强烈建议不要使用 cmake 进行构建。由于它没有得到官方支持，由于依赖版本不同，它不会生成与 bazel 版本相同的二进制文件，并且需要对 cmake 文件/脚本甚至源代码进行大量修改才能使其正常工作。

作为构建 tensorflow 的重要信息来源，我建议使用两个链接:

[1]: official build docs

[2]: .bazelrc file

第一个链接是来自 google 的官方构建文档，第二个链接经常被忽略，它包含对构建过程的各种有用提示。其中一个提示是，自从 2.0 版到最新版本(2.9，在撰写本文时)，Windows/Mac 不支持 MKL。然而，正如@Lior-Cohen 在评论中正确指出的那样，MKL 是在 CPU/GPU 上运行许多运算符所必需的。

因此您需要使用支持 MKL 的 bazel 构建 tensorflow。因此，打开官方构建文档链接并按照说明准备您的环境(Visual Studio、CUDA/CUDNN，如果需要，msys、python，...)。从其 github repo 下载兼容的 bazel .要检查 bazel 兼容性，请参阅 the table .在运行 bazel build 命令之前，您可以设置 BAZEL_VC 环境变量，因为 bazel 可能难以找到您的构建工具。因此，根据预先在命令提示符下安装的构建工具的版本更改以下命令:

set BAZEL_VC=C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC

请注意，您在构建过程中可能会遇到许多错误。你必须一一阅读并解决它们。你的里程可能会有所不同，因为许多错误可能是由于下载尝试失败、互联网连接速度慢、在线资源停机、由于在线资源中的文件更改而导致的文件哈希更改等。所以请耐心等待，一次解决一个问题，阅读错误并按照错误堆栈检查源链接或脚本。 使用 MKL 构建 TF 的一个主要问题是出现以下错误:

MASM : warning A4018:invalid command-line option : -B
 Assembling: external/local_config_cuda/crosstool/windows/msvc_wrapper_for_nvcc.py
external/local_config_cuda/crosstool/windows/msvc_wrapper_for_nvcc.py(1) : error A2044:invalid character in file
external/local_config_cuda/crosstool/windows/msvc_wrapper_for_nvcc.py(2) : error A2044:invalid character in file
...

提出了两种解决方法，github上推荐了一种issue 25213另一种是创建一个可以处理预期程序集文件的假ML64.exe。这是一个 C# 片段的源代码，如果编译(作为带有 ML64.exe.config 文件的 exe)并替换为系统上的原始 ML64.exe 可以继续构建过程顺利。将原来的 ML64.exe 重命名为 ML64-org.exe。在 VS 中创建一个简单的 C# 控制台项目:

using System;
using System.Configuration;
using System.Diagnostics;
using System.Linq;

namespace ML64
{
    static internal class Program
    {
        static void Main(string[] args)
        {
            var apr = new AppSettingsReader();
            var dir = apr.GetValue("dir", typeof(string)) as string;
            var ml = apr.GetValue("ml", typeof(string)) as string;

            var importantArgs = args.Skip(2).Aggregate((a, b) => $"{a} {b}");
            var psi = new ProcessStartInfo(ml, importantArgs) { RedirectStandardOutput = true, UseShellExecute = false, WorkingDirectory = dir };
            using (var proc = Process.Start(psi))
            {
                proc.WaitForExit();
                Console.Write(proc.StandardOutput.ReadToEnd());
            }
        }
    }
}

并将 app.config 更改为以下内容:

<?xml version="1.0" encoding="utf-8" ?>
<configuration>
    <startup> 
        <supportedRuntime version="v4.0" sku=".NETFramework,Version=v4.8" />
    </startup>
    <appSettings>
        <!--Path to your TF source where configure.py resides.-->
        <add key="dir" value="G:\2.9.0"/>
        <!--Path to your ML64 that TF build complains with errors.-->
        <add key="ml" value="C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\HostX64\x64\ml64-org.exe"/>
    </appSettings>
</configuration>

我在 C++ 项目中使用的 bazel build 是:bazel --output_base=g:/base build --config=cuda --config=mkl --config=numa - -config=monolithic tensorflow:tensorflow.dll

对于您的 Python 项目，您可以运行以下命令:bazel build --config=opt --config=cuda --config=mkl --define=no_tensorflow_py_deps=true//tensorflow/tools/pip_package: build_pip_package

关于python - tensorflow 构建 - CPU/MKL/Windows，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48009243/