Question

只是提前说出来，我知道所有需要bazel的答案，但他们并没有为我工作。我正在使用virtualenv，因为tensorflow网站建议使用。

(tensorflow27)name@computersname:~$ bazel build --linkopt='-lrt' -c opt --copt=-mavx --copt=-msse4.2 --copt=-msse4.1 --copt=-msse3-k //tensorflow/tools/pip_package:build_pip_package

将输出

ERROR: The 'build' command is only supported from within a workspace.

基本上我遵循here的所有步骤但是当我运行this验证时，我得到了

2017-09-02 11：46：52.613368：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用SSE4.1指令，但这些指令可在您的机器上使用并且可以加速CPU计算。

2017-09-02 11：46：52.613396：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用SSE4.2指令，但这些指令可在您的机器上使用并且可以加速CPU计算。

2017-09-02 11：46：52.613416：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用AVX指令，但这些可在您的计算机上使用，并且可以加速CPU计算。

我不想压抑警告，我实际上想要使用SSE 4.2和AVX（我的处理器支持两者）但是我无法在任何地方找到任何指令如何在虚拟环境中编译tensorflow，以便从头开始支持SSE和AVX。它甚至没有在common installation problems部分中列出。

顺便说一下。我使用的系统是Ubuntu 14.04而且我没有nvidia显卡（所以现在没有cuda），但是我计划将来买一个。

我有点失望的是，在编译之前，tensorflow没有检测到CPU功能。

编辑：不真实，后来我发现它实际上是

PS：我已经设置了两个虚拟环境，一个用于python 2.7，另一个用于python 3.0。理想情况下，我希望解决方案适用于两者，因为我还没有决定我最终会使用哪个python版本。

Answer 1

好的，事实证明我的问题几乎与我选择的虚拟环境无关。 bazel构建失败只是因为我在错误的目录中。我需要从git中拉出tensorflow然后cd进去。然后我可以使用默认构建选项-march = native来构建，它已经检测到了我的CPU功能。

提前为两个不同的python版本设置两个不同的虚拟环境很有用。我使用这些环境直接在它们内部编译。这导致自动python版本检测。因此，在2.7环境中构建将导致构建python 2.7等。

稍微详细一点：

首先我installed bazel。然后我安装了tensorflow页面上提到的依赖项，如下所示：

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

为了在以后的构建中使用OpenCL，我必须下载（并且如果我没记错的话可以编译）ComputeCpp-CE-0.3.1-Ubuntu.14.04-64bit.tar.gz（对于ubuntu 16，它将是ComputeCpp -CE-0.3.1-Ubuntu.16.04-64bit.tar.gz）。编译后，我不得不将构建结果移动到/ usr / local / computecpp：

sudo mkdir /usr/local/computecpp
sudo cp -r ./Downloads/ComputeCpp*/* /usr/local/computecpp

如果我在这一点上没记错的话，那么我用我想编译的python版本激活了我的虚拟环境，所以./configure会识别所需的python版本。

然后我从git中拉出了tensorflow并进行了配置：

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

在配置程序中，我只对jemalloc和OpenCL回答是，因为我现在没有CUDA卡。当对OpenCL说“是”时，系统会提示我输入ComputeCpp路径，该路径位于我在/ usr / local / computecpp

下创建的位置

然后，当我停留在tensorflow目录中时，我做了

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

在./configure期间激活cuda的人也应该添加＆＃34; - config = cuda＆＃34;这个bazel构建命令。如果你有gcc＆gt; 5您还需要添加＆＃39; - cxxopt =＆＃34; -D_GLIBCXX_USE_CXX11_ABI = 0＆＃39;。

＆＃39; - config = mkl＆＃39; part激活了intel提供的一些额外的库，专门用于加速其处理器的某些计算，因此tensorflow可以利用它们。如果您没有英特尔处理器，删除该选项可能是明智之举。

顺便说一句，起初我还手工编写了mkl，但事实并非如此。如果它缺失，bazel版本将自动从在线资源中提取mkl。

然后我在/ tmp / tensorflow_pkg创建了最终包：

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

根据您环境中的python版本，您将看到反映它的文件名：

/tmp/tensorflow_pkg/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl
/tmp/tensorflow_pkg/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl

现在我可以转到适当的环境并使用pip安装它。如果您使用conda，tensorflow网站仍建议使用＆＃34; pip install＆＃34;而不是＆＃34; conda install＆＃34;。因此，如果我在一个使用python 2.7的虚拟环境中（如果不是conda那么重要）我会输入：

pip install --ignore-installed --upgrade /tmp/tensorflow_pkg/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl

如果我在python 3.6下，我会输入：

pip install --ignore-installed --upgrade /tmp/tensorflow_pkg/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl

我需要跳过一个最后一个箍：如果你留在tensorflow目录（你从git中提取）然后启动python，你将无法导入tensorflow。我认为这是一种错误。因此，在启动python之前逃离tensorflow目录非常重要。

cd ..

现在您可以在虚拟环境中启动python并导入tensorflow。希望没有进一步的错误或任何关于不使用处理器的SSE或AVX功能的警告。至少在我的情况下它起作用了。

内部virtualenv：如何获得tensorflow来支持sse 4.2和avx

1 个答案: