Question

我尝试在Ubuntu 16.04上构建AARCH64。我遵循了本指南（本机编译）https://tensorflow.google.cn/lite/guide/build_arm64。

但是我得到了这个错误。有什么问题？我也想在Orange Pi 3上尝试一下示例。在为arm64构建后如何使用libtensorflow-lite.a文件。我知道Qt ide和c＆c ++。谢谢。

db.collection.update({_id:1},
    {
        $set: {
            'someArray.$[elem].c': 3 
        }        
    },
    { arrayFilters: [{ "elem.a": 1 }], multi: true, "upsert": true }
)

Answer 1

尝试解决了几个小时的问题后，我想我找到了解决方案：

只需在tensorflow / lite / tools / make / Makefile文件的CXXFLAGS变量中添加“ -flax-vector-conversions”参数即可。

对我来说，它位于第58行：

CXXFLAGS := -O3 -DNDEBUG -fPIC -flax-vector-conversions

以前的错误消失了，但是现在我又遇到了另一个错误：

undefined reference to `shm_open'

之后，我在tensorflow / lite / tools / make / targets / aarch64_makefile.inc中添加了“ -lrt”

LIBS := \
-lstdc++ \
-lpthread \
-lm \
-ldl \
-lrt

并将Makefile中的 BUILD_WITH_NNAPI 更改为 false

编译过程成功了。我将尽快测试TF库。

Answer 2

在aarch64上构建Tensorflow-1.14时，我也遇到了类似的问题。我使用了此PR中建议的更改，它已解决了此问题。

解决linux_aarch64系统上的以下两个问题：

向量之间的禁止转换
禁止在asm中显式使用帧指针寄存器x29

在def tflite_copts()的{{1}}中添加以下大小写

tensorflow/lite/build_def.bzl

Answer 3

要为arm64构建Tensorflow Lite，我进行了修改：

tensorflow / lite / tools / make / targets / aarch64_makefile.inc

同时添加到CXXFLAGS和CFLAGS：

-flax-vector-conversions \
-fomit-frame-pointer \

给出：

  CXXFLAGS += \
    -march=armv8-a \
    -funsafe-math-optimizations \
    -ftree-vectorize \
    -flax-vector-conversions \
    -fomit-frame-pointer \
    -fPIC

  CFLAGS += \
    -march=armv8-a \
    -funsafe-math-optimizations \
    -ftree-vectorize \
    -flax-vector-conversions \
    -fomit-frame-pointer \
    -fPIC

对我来说，它摆脱了error: cannot convert和error: x29 cannot be used in asm here的困扰。

然后我就可以构建libtensorflow-lite.a。

构建示例应用程序时，教程中的命令仍然给我一个错误：undefined reference to flatbuffers::ClassicLocale::instance_，有关此问题的解决方案，请参见

https://github.com/tensorflow/tensorflow/issues/28863

作为旁注，如果您尝试使用指南中的docker容器：

https://tensorflow.google.cn/lite/guide/build_arm64

建议使用tensorflow/tensorflow:nightly-devel，根据docker hub，该图像当前是6个月大的映像（肯定不是每晚）：

https://hub.docker.com/r/tensorflow/tensorflow/tags/?page=1

在同一链接中，您可以找到一个更新的devel容器，在我的情况下，我使用的是devel-py3

Tensorflow Lite arm64错误：无法转换'const int8x8_t？

3 个答案: