通过源码安装 TensorFlow

本文将解释如何将 TensorFlow 源代码编译为二进制文件，并通过它安装 TensorFlow。需要注意的是，我们已经为 Linuc，Mac 和 Windows 用户提供过测试良好、预构建好的二进制 Tensorflow 文件，除此之外还提供 TensorFlow 的 docker 镜像。所以，除非你能熟练通过源码构建复杂程序包，并且可以解决一些在文档中没有提到的不可预测的情况，建议不要自己尝试构建二进制 TensorFlow 代码。

如果上一段话没有吓退你，那么很好。这份指南将解释如何在以下操作系统上构建 TensorFlow：

Ubuntu
Mac OS X

我们官方不支持在 Windows 上构建 TensorFlow，不过，如果你不介意参考 Bazel on Windows 或者 TensorFlow CMake build 的经验，你可以尝试在 Windows 上搭建 TensorFlow。

决定安装哪种类型的 TensorFlow

你需要从以下几种类型的 TensorFlow 中选择一个构建并安装：

仅支持 CPU 的TensorFlow. 如果你的系统不支持 NVIDIVA 的 GPU，需要安装这个版本。值得注意的是，这个版本的 TensorFlow 通常容易安装构建，所以即使你有 NVIDIA 的 GPU，我们仍然推荐你先安装这个版本。
支持 GPU 的 TensorFlow. TensorFlow 程序在 GPU 上运行会明显比在 CPU 上快。因此，如果你的系统有 NVIDIA 的 GPU，同时你需要运行对性能要求苛刻的程序时，你就需要安装这个版本的 TensorFlow，不仅需要 NVIDIA 的 GPU，你的系统还需要满足 NVIDIA 软件的要求，具体描述参考以下文档：
- @{$install_linux#NVIDIARequirements$Installing TensorFlow on Ubuntu}
- @{$install_mac#NVIDIARequirements$Installing TensorFlow on Mac OS}

克隆 TensorFlow 仓库

首先从克隆 TensorFlow 仓库开始

执行以下命令，克隆最新 TensorFlow 仓库:

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

git clone 命令创建一个命名为 “tensorflow” 的子目录。克隆完成后，你可以执行下面的命令，创建一个特定的分支（例如一个发布分支):

$ cd tensorflow
$ git checkout Branch # 这里 Branch 就是创建的分支

例如, 执行以下命令新建“r1.0”分支，替代 master 分支：

$ git checkout r1.0

接下来你需要准备为 Linux 或者 Mac OS 准备环境。

为 Linux 准备环境

在 Linux 上构建 TensorFlow 之前，你需要在你的系统上安装以下构建工具：

bazel
TensorFlow Python 依赖
可选, 为了支持 GPU 而安装的 NVIDIA 软件包

如果系统之前未安装 Bazel，需要按照以下说明安装安装 Bazel。

安装 TensorFlow Python 依赖

安装 TensorFlow 之前, 你必须安装以下安装包:

numpy, 一个 TensorFlow 需要安装的用于数值处理的包。
dev, 用于添加 Python 扩展包。
pip, 用于安装和管理 Python 包。
wheel, 能够让你管理 Python 的 wheel 格式的压缩包。

执行以下命令，安装 Python 2.7

$ sudo apt-get install python-numpy python-dev python-pip python-wheel

执行以下命令，安装 Python 3.n

$ sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel

可选: 安装支持 GPU 的 TensorFlow 之前的一些准备条件：

如果你构建的 TensorFlow 不支持 GPU，跳过以下步骤。

必须在你的系统中安装以下 NVIDIA 硬件：

* 支持 CUDA 3.0或以上的 GPU。具体参考 NVIDIA 文档查看支持的 GPU 列表。

必须在你的系统中安装以下 NVIDIA 软件：

NVIDIA's Cuda Toolkit (>= 7.0). 推荐 8.0版本. 详细可参考 NVIDIA 文档. 确保按照文档要求添加 Cuda 相对路径 “LD_LIBRARY_PATH” 到环境变量。
与 NVIDIA 的 Cuda 工具包匹配的驱动程序
cuDNN (>= v3). 推荐 5.1版本. 细节参考 NVIDIA 文档, 注意将路径添加到 LD_LIBRARY_PATH 环境变量。

最后,你还必须安装Cuda工具包的 libcupti> = 8.0。

NVIDIA's documentation.

 $ sudo apt-get install cuda-command-line-tools

添加路径到 LD_LIBRARY_PATH 环境变量:

 $ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

如果 Cuda Toolkit <= 7.5, 通过调用下面的命令安装 libcupti-dev:

 $ sudo apt-get install libcupti-dev

接下来

环境搭建好之后，你必须参考安装指南。

Mac OS 安装准备

构建 TensorFlow 之前, 须在你的系统上安装以下工具:

bazel
TensorFlow Python 依赖
可选项：NVIDIA 工具包（支持 GPU 的 TensorFlow 版本）

安装 bazel

如果系统没有安装 Bazel ，参考安装 Bazel

安装 python 依赖

安装 TensorFlow，需要安装以下依赖包：

six * numpy, 一个 TensorFlow 需要的用于数值处理的包.
wheel, 能够让你管理 Python 的 wheel 格式的压缩包。

你可以通过 pip 安装 Python 依赖，如果机器上没有 pip，我们推荐使用 homebrew 去安装 Python 以及 pip，参考

文档进行安装. 如果按照以上介绍安装，将不需要禁用 SIP。

安装完 pip,调用以下命令 :

 $ sudo pip install six numpy wheel

可选项: 安装支持 GPU 的 TensorFlow 时需要的前提条件

如果你没有安装 brew，可以参考 brew 安装指导。

安装完 brew, 按照以下命令安装 GNU 工具:

$ brew install coreutils

如果你想编译 TensorFlow 而且安装的是 XCode 7.3 以及 CUDA 7.5，那么请注意 XCode 7.3 不能兼容 CUDA 7.5 .为了弥补这个问题可以参考以下步骤

更新 CUDA 到 8.0
下载 Xcode 7.2 并执行以下命令，设置其作为默认的编辑器:
```
 $ sudo xcode-select -s /Application/Xcode-7.2/Xcode.app
```

注意: 你的系统需要满足 NVIDIA 软件的需求，具体参考以下文档：

@{$install_linux#NVIDIARequirements$Installing TensorFlow on Linux}
@{$install_mac#NVIDIARequirements$Installing TensorFlow on Mac OS}

配置安装

在文件夹根目录里有一个命名为 configure 的 bash 脚本。这个脚本会要求你定义与 TensorFlow 相关依赖路径以及指定其他相关的配置选项，例如编译器标记。你必须在创建 pip 包以及安装 TensorFlow 之前运行这个脚本。

如果你希望构建的 TensorFlow 支持 GPU，configure 将会要求你指明安装在系统上的 Cuda 以及 cuDNN 的版本，指明需要安装的版本替代默认选项。

configure 将会询问以下内容:

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]

这里指的是可以在命令后面指定你用来构建 pip 安装包的 Bazel 方式。我们推荐使用默认选项 (-march=native)，这个会根据你本地机器的 CPU 类型优化生成的代码，如果你正在构建的 TensorFlow 的 CPU 类型与将要运行的 CPU 类型不同，需要参考 the gcc documentation进一步的优化。

这里展示一个运行 configure 脚本的例子，注意你自己的输入可能不同于例子中的输入

$ cd tensorflow  # cd to the top-level directory created
$ ./configure
Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python2.7
Found possible Python library paths:
  /usr/local/lib/python2.7/dist-packages
  /usr/lib/python2.7/dist-packages
Please input the desired Python library path to use.  Default is [/usr/lib/python2.7/dist-packages]

Using python library path: /usr/local/lib/python2.7/dist-packages
Do you wish to build TensorFlow with MKL support? [y/N]
No MKL support will be enabled for TensorFlow
Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]:
Do you wish to use jemalloc as the malloc implementation? [Y/n]
jemalloc enabled
Do you wish to build TensorFlow with Google Cloud Platform support? [y/N]
No Google Cloud Platform support will be enabled for TensorFlow
Do you wish to build TensorFlow with Hadoop File System support? [y/N]
No Hadoop File System support will be enabled for TensorFlow
Do you wish to build TensorFlow with the XLA just-in-time compiler (experimental)? [y/N]
No XLA support will be enabled for TensorFlow
Do you wish to build TensorFlow with VERBS support? [y/N]
No VERBS support will be enabled for TensorFlow
Do you wish to build TensorFlow with OpenCL support? [y/N]
No OpenCL support will be enabled for TensorFlow
Do you wish to build TensorFlow with CUDA support? [y/N] Y
CUDA support will be enabled for TensorFlow
Do you want to use clang as CUDA compiler? [y/N]
nvcc will be used as CUDA compiler
Please specify the Cuda SDK version you want to use, e.g. 7.0. [Leave empty to default to CUDA 8.0]: 8.0
Please specify the location where CUDA 8.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:
Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]:
Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 6.0]: 6
Please specify the location where cuDNN 6 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus.
Please note that each additional compute capability significantly increases your build time and binary size.
[Default is: "3.5,5.2"]: 3.0
Do you wish to build TensorFlow with MPI support? [y/N] 
MPI support will not be enabled for TensorFlow
Configuration finished

如果你告知 configure 支持 GPU ，configure 将会创建一个固定的链接指定你系统上的 Cuda 库路径，因此每次你改变 Cuda 库路径时候你必须在重新执行 configure 脚本，在你调用 bazel build 命令之前。

注意以下几点:

虽然可以在同样的源代码树构建 Cuda 和 non-Cuda 的配置,我们还是建议在相同的源代码树运行时，使用 bazel clean 切换这两个配置。
如果你在运行 bazel build 命令之前没有运行 configure 脚本* *, bazel build 命令将会失败。

构建 pip 包

仅支持 CPU 的情况下，调用下面的命令建立一个 TensorFlow pip 包：

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

支持 GPU 的情况下，调用下面的命令建立一个 TensorFlow pip 包：

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

注意需要在 gcc 5 或者更高版本上: 这个二进制 pip 包适用在用 gcc 4 构建的 TensorFlow 网站，这个二进制包使用的是老的 ABI（应用程序二进制接口），为了能兼容旧的 ABI，你需要在 bazel build命令后添加 --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"。 ABI 兼容性允许针对 TensorFlow pip 包进行自定义操作，从而使你构建的包能继续运行。

提示: 通常情况下，源代码构建 TensorFlow 会占用大量内存，如果你的系统内存紧张，可以在调用bazel时指明 --local_resources 2048,.5,1.0 限制使用内存范围

bazel build 命令执行一个叫 build_pip_package 的脚本，执行这个脚本将会在 /tmp/tensorflow_pkg 目录下构建一个 .whl 文件。

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

安装 pip 包

调用 pip install 安装 pip 包。 .whl 的文件名与你的平台有关，例如下面的命令将会在 Linux 上安装 TensorFlow 1.4rc0。

$ sudo pip install /tmp/tensorflow_pkg/tensorflow-1.4.0rc0-py2-none-any.whl

验证安装是否成功

按照以下说明验证 TensorFlow 是否安装成功：

启动终端。

通过 cd 改变当前所在目录，在任意文件夹下（除之前调用 configure 命令的 tensorflow 子目录）调用 python：

$ python

在 python 交互式 shell 中输入以下代码：

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果系统输出以下内容，你就可以开始编写 TensorFlow 程序了：

Hello, TensorFlow!

如果你是 TensorFlow 新手，可以参考 @{$get_started/get_started$Getting Started with TensorFlow}。

如果系统输出错误信息, 参考常见安装问题。

常见安装问题

常见安装问题一般与操作系统有关，参考以下关于安装问题的部分：

@{$install_linux#CommonInstallationProblems$Installing TensorFlow on Linux}
@{$install_mac#CommonInstallationProblems$Installing TensorFlow on Mac OS}
@{$install_windows#CommonInstallationProblems$Installing TensorFlow on Windows}

除了这两个指南中记录的错误之外，下面的表中还记录了其他一些在构建 TensorFlow 时遇到的错误。请注意，我们在 Stack Overflow 回答关于构建和安装问题时遇到的问题。如果遇到前面的指南中以及下表未提及的错误消息，在 Stack Overflow 搜索。如果 Stack Overflow 没有相关回答，在 Stack Overflow 上提一个新的问题并指定 tensorflow 标签。

Stack Overflow 链接	错误信息
41293077	W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
42013316	ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory
42013316	ImportError: libcudnn.5: cannot open shared object file: No such file or directory
35953210	Invoking `python` or `ipython` generates the following error: ImportError: cannot import name pywrap_tensorflow

经过测试的源配置

Linux

Version:	CPU/GPU:	Python Version:	Compiler:	Build Tools:	cuDNN:	CUDA:
tensorflow-1.4.0rc0	CPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.5	N/A	N/A
tensorflow_gpu-1.4.0rc0	GPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.5	6	8
tensorflow-1.2.0	CPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.5	N/A	N/A
tensorflow_gpu-1.2.0	GPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.5	5.1	8
tensorflow-1.1.0	CPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.2	N/A	N/A
tensorflow_gpu-1.1.0	GPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.2	5.1	8
tensorflow-1.0.0	CPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.2	N/A	N/A
tensorflow_gpu-1.0.0	GPU	2.7, 3.3-3.6	GCC 4.8	Bazel 0.4.2	5.1	8

Mac

Version:	CPU/GPU:	Python Version:	Compiler:	Build Tools:	cuDNN:	CUDA:
tensorflow-1.4.0rc0	CPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.5	N/A	N/A
ttensorflow-1.2.0	CPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.5	N/A	N/A
ttensorflow-1.1.0	CPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.2	N/A	N/A
ttensorflow_gpu-1.1.0	GPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.2	5.1	8
ttensorflow-1.0.0	CPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.2	N/A	N/A
ttensorflow_gpu-1.0.0	GPU	2.7, 3.3-3.6	Clang from xcode	Bazel 0.4.2	5.1	8

Windows

Version:	CPU/GPU:	Python Version:	Compiler:	Build Tools:	cuDNN:	CUDA:
tensorflow-1.4.0rc0	CPU	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	N/A	N/A
tensorflow_gpu-1.4.0rc0	GPU	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow-1.2.0	CPU	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	N/A	N/A
tensorflow_gpu-1.2.0	GPU	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow-1.1.0	CPU	3.5	MSVC 2015 update 3	Cmake v3.6.3	N/A	N/A
tensorflow_gpu-1.1.0	GPU	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow-1.0.0	CPU	3.5	MSVC 2015 update 3	Cmake v3.6.3	N/A	N/A
tensorflow_gpu-1.0.0	GPU	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

install_sources.md

install_sources.md

通过源码安装 TensorFlow

决定安装哪种类型的 TensorFlow

克隆 TensorFlow 仓库

为 Linux 准备环境

安装 TensorFlow Python 依赖

可选: 安装支持 GPU 的 TensorFlow 之前的一些准备条件：

接下来

Mac OS 安装准备

安装 bazel

安装 python 依赖

可选项: 安装支持 GPU 的 TensorFlow 时需要的前提条件

配置安装

构建 pip 包

安装 pip 包

验证安装是否成功

常见安装问题

经过测试的源配置

Files

install_sources.md

Latest commit

History

install_sources.md

File metadata and controls

通过源码安装 TensorFlow

决定安装哪种类型的 TensorFlow

克隆 TensorFlow 仓库

为 Linux 准备环境

安装 TensorFlow Python 依赖

可选: 安装支持 GPU 的 TensorFlow 之前的一些准备条件：

接下来

Mac OS 安装准备

安装 bazel

安装 python 依赖

可选项: 安装支持 GPU 的 TensorFlow 时需要的前提条件

配置安装

构建 pip 包

安装 pip 包

验证安装是否成功

常见安装问题

经过测试的源配置