สร้างจากแหล่งที่มา

สร้างแพ็คเกจ TensorFlow pip จากแหล่งที่มาและติดตั้งบน Ubuntu Linux และ macOS แม้ว่าคำแนะนำอาจใช้ได้กับระบบอื่นๆ แต่ก็มีการทดสอบและรองรับเฉพาะ Ubuntu และ macOS เท่านั้น

ตั้งค่าสำหรับ Linux และ macOS

ติดตั้งเครื่องมือสร้างต่อไปนี้เพื่อกำหนดค่าสภาพแวดล้อมการพัฒนาของคุณ

ติดตั้ง Python และการอ้างอิงแพ็คเกจ TensorFlow

sudo apt install python3-dev python3-pip

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
# if you are on macOS 10.12 (Sierra) use export PATH="/usr/local/bin:/usr/local/sbin:$PATH"
brew install python

ติดตั้งการพึ่งพาแพ็คเกจ TensorFlow pip (หากใช้สภาพแวดล้อมเสมือน ให้ละเว้น --user อาร์กิวเมนต์):

pip install -U --user pip numpy wheel packaging requests opt_einsum
pip install -U --user keras_preprocessing --no-deps

ติดตั้ง Bazel

ในการสร้าง TensorFlow คุณจะต้องติดตั้ง Bazel Bazelisk เป็นวิธีง่ายๆ ในการติดตั้ง Bazel และดาวน์โหลดเวอร์ชัน Bazel ที่ถูกต้องสำหรับ TensorFlow โดยอัตโนมัติ เพื่อความสะดวกในการใช้งาน ให้เพิ่ม bazel เป็น bazel ที่สามารถเรียกใช้งานได้ใน PATH ของคุณ

หากไม่มี Bazelisk คุณสามารถ ติดตั้ง Bazel ได้ด้วยตนเอง ตรวจสอบให้แน่ใจว่าได้ติดตั้งเวอร์ชัน Bazel ที่ถูกต้องจากไฟล์ .bazelversion ของ TensorFlow

ติดตั้งการสนับสนุน GPU (ไม่บังคับ, Linux เท่านั้น)

ไม่มี การรองรับ GPU สำหรับ macOS

อ่านคู่มือ การสนับสนุน GPU เพื่อติดตั้งไดรเวอร์และซอฟต์แวร์เพิ่มเติมที่จำเป็นในการเรียกใช้ TensorFlow บน GPU

ดาวน์โหลดซอร์สโค้ด TensorFlow

ใช้ Git เพื่อโคลนที่ เก็บ TensorFlow :

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

repo เริ่มต้นที่สาขาการพัฒนา master คุณยังสามารถตรวจสอบ สาขาการเผยแพร่ เพื่อสร้าง:

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

ทางเลือก: กำหนดค่าการสร้าง

บิลด์ TensorFlow ได้รับการกำหนดค่าโดยไฟล์ . .bazelrc ในไดเร็กทอรีรากของที่เก็บ สามารถใช้สคริปต์ ./ ./configure หรือ ./configure.py เพื่อปรับการตั้งค่าทั่วไป

หากคุณต้องการเปลี่ยนคอนฟิกูเรชัน ให้รันสคริปต์ ./ ./configure จากไดเร็กทอรีรูทของที่เก็บ สคริปต์นี้จะแจ้งให้คุณทราบตำแหน่งของการพึ่งพา TensorFlow และขอตัวเลือกการกำหนดค่าบิลด์เพิ่มเติม (เช่น แฟล็กคอมไพเลอร์) โปรดดูรายละเอียดในส่วน เซสชันตัวอย่าง

./configure

นอกจากนี้ยังมีเวอร์ชันไพธอนของสคริปต์นี้ ./configure.py หากใช้สภาพแวดล้อมเสมือนจริง python configure.py จะจัดลำดับความสำคัญของเส้นทางภายในสภาพแวดล้อม ในขณะที่ ./ ./configure จะจัดลำดับความสำคัญของเส้นทางภายนอกสภาพแวดล้อม ในทั้งสองกรณี คุณสามารถเปลี่ยนค่าเริ่มต้นได้

เซสชันตัวอย่าง

ต่อไปนี้แสดงตัวอย่างการเรียกใช้สคริปต์ ./ ./configure (เซสชันของคุณอาจแตกต่างออกไป):

./configure
You have bazel 5.0.0 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]: n
No ROCm support will be enabled for TensorFlow.

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

Do you wish to download a fresh release of clang? (Experimental) [y/N]: n
Clang will not be downloaded.

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


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.

ตัวเลือกการกำหนดค่า

รองรับ GPU

สำหรับ การรองรับ GPU ให้ตั้งค่า cuda=Y ระหว่างการกำหนดค่าและระบุเวอร์ชันของ CUDA และ cuDNN หากระบบของคุณติดตั้ง CUDA หรือ cuDNN หลายเวอร์ชัน ให้ตั้งค่าเวอร์ชันอย่างชัดเจนแทนที่จะใช้ค่าดีฟอลต์ ./configure สร้างลิงก์สัญลักษณ์ไปยังไลบรารี CUDA ของระบบของคุณ ดังนั้นหากคุณอัปเดตพาธไลบรารี CUDA ของคุณ จะต้องเรียกใช้ขั้นตอนการกำหนดค่านี้อีกครั้งก่อนที่จะสร้าง

การเพิ่มประสิทธิภาพ

สำหรับแฟล็กการเพิ่มประสิทธิภาพการรวบรวม ค่าดีฟอลต์ ( -march=native ) จะปรับโค้ดที่สร้างขึ้นสำหรับประเภท CPU ของเครื่องของคุณให้เหมาะสม อย่างไรก็ตาม หากสร้าง TensorFlow สำหรับ CPU ประเภทอื่น ให้พิจารณาการตั้งค่าสถานะการเพิ่มประสิทธิภาพที่เฉพาะเจาะจงมากขึ้น ตรวจสอบ คู่มือ GCC สำหรับตัวอย่าง

การกำหนดค่าที่กำหนดไว้ล่วงหน้า

มี build configs ที่กำหนดค่าไว้ล่วงหน้าบางส่วนที่สามารถเพิ่มลงในคำสั่ง bazel build ได้ เช่น:

• --config=dbg — สร้างด้วยข้อมูลการดีบัก ดูรายละเอียดได้ที่ CONTRIBUTING.md
• --config=mkl —รองรับ Intel® MKL-DNN
• --config=monolithic คอนฟิกูเรชันสำหรับ build แบบสแตติก เสาหินเป็นส่วนใหญ่

สร้างและติดตั้งแพ็คเกจ pip

แพ็คเกจ pip สร้างขึ้นในสองขั้นตอน คำสั่งการ bazel build โปรแกรม "ตัวสร้างแพ็คเกจ" จากนั้นคุณเรียกใช้ตัวสร้างแพ็คเกจเพื่อสร้างแพ็คเกจ

สร้างตัวสร้างแพ็คเกจ

ใช้ bazel build เพื่อสร้าง TensorFlow 2.x package-builder ที่รองรับ CPU เท่านั้น :

bazel build [--config=option] //tensorflow/tools/pip_package:build_pip_package

รองรับ GPU

วิธีสร้างตัวสร้างแพ็คเกจ TensorFlow พร้อมการรองรับ GPU:

bazel build --config=cuda [--config=option] //tensorflow/tools/pip_package:build_pip_package

ตัวเลือกการสร้าง Bazel

โปรดดูการ อ้างอิงบรรทัดคำสั่ง Bazel สำหรับ ตัวเลือกการสร้าง

การสร้าง TensorFlow จากแหล่งที่มาสามารถใช้ RAM จำนวนมากได้ หากระบบของคุณจำกัดหน่วยความจำ ให้จำกัดการใช้ RAM ของ Bazel ด้วย: --local_ram_resources=2048

แพ็คเกจ TensorFlow อย่างเป็นทางการ สร้างขึ้นด้วย toolchain GCC ที่สอดคล้องกับมาตรฐานแพ็คเกจ manylinux2010

สำหรับ GCC 5 และใหม่กว่า สามารถสร้างความเข้ากันได้กับ ABI รุ่นเก่าโดยใช้: --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" ความเข้ากันได้ของ ABI ช่วยให้มั่นใจได้ว่า ops แบบกำหนดเองที่สร้างขึ้นจากแพ็คเกจ TensorFlow อย่างเป็นทางการยังคงทำงานร่วมกับแพ็คเกจที่สร้างขึ้น GCC 5

สร้างแพ็คเกจ

คำสั่ง bazel build สร้างไฟล์เรียกทำงานชื่อ build_pip_package ซึ่งเป็นโปรแกรมที่สร้างแพ็คเกจ pip รันไฟล์ปฏิบัติการที่แสดงด้านล่างเพื่อสร้างแพ็คเกจ . .whl ใน /tmp/tensorflow_pkg

วิธีสร้างจากสาขาที่วางจำหน่าย:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

หากต้องการสร้างจากต้นแบบให้ใช้ --nightly_flag เพื่อรับการอ้างอิงที่ถูกต้อง:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg

แม้ว่าจะสามารถสร้างทั้งการกำหนดค่า CUDA และไม่ใช่ CUDA ภายใต้ทรีต้นทางเดียวกัน แต่ขอแนะนำให้เรียกใช้ bazel clean เมื่อสลับระหว่างการกำหนดค่าทั้งสองนี้ในแผนผังต้นทางเดียวกัน

ติดตั้งแพ็คเกจ

ชื่อไฟล์ของไฟล์ .whl ที่สร้างขึ้นนั้นขึ้นอยู่กับเวอร์ชัน TensorFlow และแพลตฟอร์มของคุณ ใช้ pip install เพื่อติดตั้งแพ็คเกจ เช่น:

pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl

สร้างนักเทียบท่า Linux

อิมเมจการพัฒนา Docker ของ TensorFlow เป็นวิธีง่ายๆ ในการตั้งค่าสภาพแวดล้อมเพื่อสร้างแพ็คเกจ Linux จากแหล่งที่มา อิมเมจเหล่านี้มีซอร์สโค้ดและการอ้างอิงที่จำเป็นสำหรับการสร้าง TensorFlow อยู่แล้ว ไปที่คู่มือ TensorFlow Docker สำหรับคำแนะนำในการติดตั้งและ รายการแท็กรูปภาพที่มี อยู่

CPU เท่านั้น

ตัวอย่างต่อไปนี้ใช้อิมเมจ :devel เพื่อสร้างแพ็คเกจเฉพาะ CPU จากซอร์สโค้ด TensorFlow ล่าสุด ตรวจสอบ คู่มือ Docker สำหรับแท็ก -devel มีอยู่

ดาวน์โหลดอิมเมจการพัฒนาล่าสุดและเริ่มคอนเทนเนอร์ Docker ที่คุณจะใช้สร้างแพ็คเกจ 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

คำสั่ง docker docker run ด้านบนเริ่มทำงานเชลล์ใน /tensorflow_src ซึ่งเป็นรูทของซอร์สทรี ติดตั้งไดเร็กทอรีปัจจุบันของโฮสต์ในไดเร็กทอรี /mnt ของคอนเทนเนอร์ และส่งข้อมูลของผู้ใช้โฮสต์ไปยังคอนเทนเนอร์ผ่านตัวแปรสภาพแวดล้อม

อีกทางหนึ่ง ในการสร้างสำเนาโฮสต์ของ TensorFlow ภายในคอนเทนเนอร์ ให้ติดตั้งแผนผังต้นทางของโฮสต์ที่ไดเร็กทอรี /tensorflow ของคอนเทนเนอร์:

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

เมื่อตั้งค่าทรีต้นทางแล้ว ให้สร้างแพ็คเกจ TensorFlow ภายในสภาพแวดล้อมเสมือนของคอนเทนเนอร์:

1. ทางเลือก: กำหนดค่าบิลด์ ซึ่งจะแจ้งให้ผู้ใช้ตอบคำถามการกำหนดค่าบิลด์
2. สร้างเครื่องมือที่ใช้สร้างแพ็คเกจ pip
3. เรียกใช้เครื่องมือเพื่อสร้างแพ็คเกจ pip
4. ปรับสิทธิ์ความเป็นเจ้าของไฟล์สำหรับภายนอกคอนเทนเนอร์

./configure  # if necessary

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

ติดตั้งและตรวจสอบแพ็คเกจภายในคอนเทนเนอร์:

pip uninstall tensorflow  # remove current version

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

บนเครื่องโฮสต์ของคุณ แพ็คเกจ TensorFlow pip อยู่ในไดเร็กทอรีปัจจุบัน (โดยมีสิทธิ์ผู้ใช้โฮสต์): ./tensorflow- version - tags .whl

รองรับ GPU

Docker เป็นวิธีที่ง่ายที่สุดในการสร้างการรองรับ GPU สำหรับ TensorFlow เนื่องจากเครื่อง โฮสต์ ต้องการเพียง ไดรเวอร์ NVIDIA® (ไม่จำเป็นต้องติดตั้ง NVIDIA® CUDA® Toolkit ) โปรดดู คู่มือการสนับสนุน GPU และคู่มือ TensorFlow Docker เพื่อตั้งค่า nvidia-docker (Linux เท่านั้น)

ตัวอย่างต่อไปนี้ดาวน์โหลดอิมเมจ TensorFlow :devel-gpu และใช้ nvidia-docker เพื่อเรียกใช้คอนเทนเนอร์ที่เปิดใช้งาน GPU อิมเมจการพัฒนานี้ได้รับการกำหนดค่าให้สร้างแพ็คเกจ pip พร้อมการรองรับ 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

จากนั้น ภายในสภาพแวดล้อมเสมือนของคอนเทนเนอร์ ให้สร้างแพ็คเกจ TensorFlow พร้อมการรองรับ GPU:

./configure  # if necessary

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

ติดตั้งและตรวจสอบแพ็คเกจภายในคอนเทนเนอร์และตรวจสอบ GPU:

pip uninstall tensorflow  # remove current version

pip install /mnt/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')))"

การกำหนดค่าบิลด์ทดสอบแล้ว

ลีนุกซ์

ซีพียู

จีพียู

แมคโอเอส

ซีพียู

จีพียู