ソースからのビルド

TensorFlow pipパッケージをソースからビルドし、Ubuntu Linux および macOS にインストールします。この手順は他のシステムでも機能する可能性がありますが、Ubuntu と macOS でのみテストおよびサポートされています。

Linux および macOS のセットアップ

次のビルド ツールをインストールして、開発環境を構成します。

Python と TensorFlow パッケージの依存関係をインストールする

sudo apt install python3-dev python3-pip

brew install python

TensorFlow pipパッケージの依存関係をインストールします (仮想環境を使用する場合は、 --user引数を省略します)。

pip install -U --user pip

Bazel をインストールする

TensorFlow を構築するには、Bazel をインストールする必要があります。 Bazelisk は、 Bazel をインストールする簡単な方法であり、TensorFlow 用の正しい Bazel バージョンを自動的にダウンロードします。使いやすくするために、 Bazelisk をbazel実行可能ファイルとしてPATHに追加します。

Bazelisk が使用できない場合は、 Bazel を手動でインストールできます。 TensorFlow の.bazelversionファイルから正しい Bazel バージョンを必ずインストールしてください。

Clang のインストール (推奨、Linux のみ)

Clang は、LLVM に基づいて C++ でコンパイルされる C/C++/Objective-C コンパイラーです。これは、TensorFlow 2.13 以降で TensorFlow を構築するためのデフォルトのコンパイラです。現在サポートされているバージョンは LLVM/Clang 17 です。

LLVM Debian/Ubuntu ナイトリー パッケージは、自動インストール スクリプトと、Linux への手動インストール用のパッケージを提供します。 llvm apt リポジトリをパッケージ ソースに手動で追加する場合は、必ず次のコマンドを実行してください。

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

この場合、 /usr/lib/llvm-17/bin/clang Clang への実際のパスになります。

あるいは、事前に構築されたClang + LLVM 17をダウンロードして解凍することもできます。

以下は、ダウンロードした Clang + LLVM 17 バイナリを Debian/Ubuntu オペレーティング システム上でセットアップする手順の例です。

1. 目的の宛先ディレクトリに変更します: cd <desired directory>

2. アーカイブ ファイルをロードして抽出します...(アーキテクチャに適したもの):

   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. 抽出した内容 (ディレクトリとファイル) を/usrにコピーします (sudo 権限が必要な場合があり、正しいディレクトリはディストリビューションによって異なる場合があります)。これにより、Clang と LLVM が効果的にインストールされ、パスに追加されます。以前のインストールがある場合を除き、何も置き換える必要はありません。以前のインストールがある場合は、ファイル

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

   を置き​​換える必要があります。

4. 取得した Clang + LLVM 17 バイナリのバージョンを確認します:

   clang --version
   

5. これで、 /usr/bin/clang新しい Clang への実際のパスになりました。 ./configureスクリプトを実行するか、環境変数CCおよびBAZEL_COMPILERをこのパスに手動で設定できます。

GPU サポートのインストール (オプション、Linux のみ)

macOS では GPU はサポートされていません。

GPU サポートガイドを読んで、GPU で TensorFlow を実行するために必要なドライバーと追加のソフトウェアをインストールします。

TensorFlow ソース コードをダウンロードする

Gitを使用してTensorFlow リポジトリのクローンを作成します。

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

リポジトリのデフォルトはmaster開発ブランチです。リリース ブランチをチェックアウトしてビルドすることもできます。

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

ビルドを構成する

TensorFlow ビルドは、リポジトリのルート ディレクトリにある.bazelrcファイルによって設定されます。 ./configureまたは./configure.pyスクリプトを使用して、共通設定を調整できます。

リポジトリのルート ディレクトリから./configureスクリプトを実行してください。このスクリプトは、TensorFlow 依存関係の場所を要求し、追加のビルド構成オプション (コンパイラー フラグなど) を要求します。詳細については、 「サンプル セッション」セクションを参照してください。

./configure

このスクリプトの Python バージョン./configure.pyもあります。仮想環境を使用する場合、 python configure.py環境内のパスを優先しますが、 ./configure環境外のパスを優先します。どちらの場合も、デフォルトを変更できます。

サンプルセッション

以下に、 ./configureスクリプトの実行例を示します (セッションによって異なる場合があります)。

./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.

構成オプション

GPUのサポート

GPU サポートの場合は、構成時にcuda=Yを設定し、CUDA と cuDNN のバージョンを指定します。システムに複数のバージョンの CUDA または cuDNN がインストールされている場合は、デフォルトに依存するのではなく、バージョンを明示的に設定します。 ./configureシステムの CUDA ライブラリへのシンボリック リンクを作成します。そのため、CUDA ライブラリのパスを更新する場合は、ビルドする前にこの構成手順を再度実行する必要があります。

最適化

コンパイル最適化フラグの場合、デフォルト ( -march=native ) では、マシンの CPU タイプに合わせて生成されたコードが最適化されます。ただし、別の CPU タイプ用に TensorFlow を構築する場合は、より具体的な最適化フラグを検討してください。例については、GCC マニュアルを確認してください。

事前構成された構成

bazel buildコマンドに追加できる、事前に構成されたビルド構成がいくつか用意されています。次に例を示します。

• --config=dbg — デバッグ情報を使用してビルドします。詳細については、 CONTRIBUTING.md を参照してください。
• --config=mkl —インテル® MKL-DNNのサポート。
• --config=monolithic — ほとんど静的なモノリシック ビルドの構成。

pip パッケージをビルドしてインストールする

Bazel ビルド オプション

ビルド オプションについては、Bazelコマンド ライン リファレンスを参照してください。

TensorFlow をソースからビルドすると、大量の RAM が使用される可能性があります。システムのメモリが制限されている場合は、 --local_ram_resources=2048を使用して Bazel の RAM 使用量を制限します。

公式 TensorFlow パッケージは、 manylinux2014 パッケージ標準に準拠する Clang ツールチェーンを使用して構築されています。

パッケージをビルドする

pip パッケージをビルドするには、 --repo_env=WHEEL_NAMEフラグを指定する必要があります。指定した名前に応じて、パッケージが作成されます。例:

tensorflow CPU パッケージをビルドするには:

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

tensorflow GPU パッケージをビルドするには:

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

tensorflow TPU パッケージをビルドするには:

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

夜間パッケージをビルドするには、 tensorflowの代わりにtf_nightlyを設定します。たとえば、CPU 夜間パッケージをビルドするには:

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

その結果、生成されたホイールは

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

パッケージをインストールする

生成される.whlファイルのファイル名は、TensorFlow のバージョンとプラットフォームによって異なります。 pip install使用してパッケージをインストールします。次に例を示します。

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

Docker Linux ビルド

TensorFlow の Docker 開発イメージは、ソースから Linux パッケージを構築する環境をセットアップする簡単な方法です。これらのイメージには、TensorFlow の構築に必要なソース コードと依存関係がすでに含まれています。インストール手順と使用可能なイメージ タグのリストについては、TensorFlow Docker ガイドを参照してください。

CPUのみ

次の例では、 :develイメージを使用して、最新の TensorFlow ソース コードから CPU のみのパッケージをビルドします。利用可能な TensorFlow -develタグについては、 Docker ガイドを確認してください。

最新の開発イメージをダウンロードし、 pipパッケージの構築に使用する Docker コンテナを起動します。

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

上記のdocker runコマンドは、ソース ツリーのルートである/tensorflow_srcディレクトリでシェルを開始します。ホストの現在のディレクトリをコンテナの/mntディレクトリにマウントし、環境変数 (アクセス許可の設定に使用されます。Docker ではこれが難しい場合があります) を通じてホスト ユーザーの情報をコンテナに渡します。

あるいは、コンテナ内に TensorFlow のホスト コピーを構築するには、コンテナの/tensorflowディレクトリにホスト ソース ツリーをマウントします。

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

ソース ツリーをセットアップしたら、コンテナーの仮想環境内で TensorFlow パッケージをビルドします。

1. オプション: ビルドを構成します。これにより、ユーザーはビルド構成の質問に答えるように求められます。
2. pipパッケージをビルドします。
3. コンテナ外のファイルの所有権パーミッションを調整します。

./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

コンテナ内にパッケージをインストールして確認します。

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__)"

ホスト マシンでは、TensorFlow pipパッケージは現在のディレクトリにあります (ホスト ユーザー権限付き): ./tensorflow- version - tags .whl

GPUのサポート

Docker は、ホストマシンにNVIDIA® ドライバーのみが必要なため ( NVIDIA® CUDA® Toolkitをインストールする必要はありません)、TensorFlow の GPU サポートを構築する最も簡単な方法です。 nvidia-dockerをセットアップするには、 GPU サポート ガイドと TensorFlow Docker ガイドを参照してください (Linux のみ)。

次の例では、TensorFlow :devel-gpuイメージをダウンロードし、 nvidia-dockerを使用して GPU 対応コンテナを実行します。この開発イメージは、GPU サポートを備えたpipパッケージをビルドするように構成されています。

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

次に、コンテナの仮想環境内で、GPU サポートを備えた TensorFlow パッケージをビルドします。

./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

コンテナー内にパッケージをインストールして検証し、GPU を確認します。

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')))"

テストされたビルド構成

Linux

CPU

GPU

マックOS

CPU

GPU