tensorflow源码编译在C++环境使用

https://tensorflow.google.cn/install/source?hl=zh-cn查看tensorflow和其他需要下载软件对应的版本，最好一模一样
1、下载TensorFlow源码
https://github.com/tensorflow/tensorflow
2、安装编译protobuf（3.9.2）
protobuf版本要和TensorFlow版本对应；
protobuf版本查看方法：
打开TensorFlow源码下tensorflow-master/tensorflow/workspace2.bzl文件
搜索可以找到地址"https://github.com/protocolbuffers/protobuf/archive/v3.9.2.zip"
安装编译：

cd protobuf-XXX/
./autogen.sh
./configure
make
make check
sudo make install
sudo ldconfig # refresh shared library cache.

查看protobuf版本
protoc --version
3、安装编译bazel（3.1.0）
bazel版本要和TensorFlow版本对应；
bazel版本查看方法：
打开TensorFlow源码下tensorflow-master/configure.py
搜索可以找到：
_TF_MIN_BAZEL_VERSION = ‘4.2.2’
_TF_MAX_BAZEL_VERSION = ‘4.99.0’
这里可以选择安装4.2.2版本
安装编译： 下载：链接 Releases · bazelbuild/bazel · GitHub
安装依赖：
sudo apt-get install pkg-config zip g++ zlib1g-dev unzip python
编译：

chmod +x bazel-<version>-installer-linux-x86_64.sh
./bazel-<version>-installer-linux-x86_64.sh --user

4.2.2版本对应写法：

chmod +x bazel-4.2.2-installer-linux-x86_64.sh
./bazel-4.2.2-installer-linux-x86_64.sh --user

将 export PATH="$PATH:$HOME/bin" 添加进去,添加到bashrc不管用那么就直接在tensorflow编译的文件夹中执行这句话生成零时变量。

4、编译TensorFlow
进入tensorflow文件夹中，首先进行项目配置：./configure
这里系统应该已经安装了gcc g++ 7.5 除了使用cuda y, 其余都选no和默认
bazel build --config=opt --config=cuda // tensorflow:libtensorflow_cc.so
编译完成后，在bazel-bin/tensorflow中会生成两个我们需要的库文件：libtensorflow_cc.so 和 libtensorflow_framework.so

问题1. error

解决：安装cudnn 我的cuda是11.0选择cudnn是8.0.4（将deb也进行安装）
cudnn安装可能需要如下问题，说so不是符号连接之类的依次执行下面

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8

建立成功后最好执行sudo ldconfig （原因没查）

问题2.

解决：我的系统是ubuntu18.04 所以执行以下指令成功部署

也就是指定cpu的核数，因为不指定会内存爆掉，就失败了

问题3. 需要将so文件全部拷贝到usr/local/lib文件（cp xx 目标文件夹）（否则程序会报错：cannot open shared object），并赋予权限sudo chmod +x libtensorflow_cc.so.2（我将这些so文件的软连接和bazel-bin/tensorflow中进行了对应，但是不确定有没有意义，也许不需要这样做 最后发现必须要软连接并且要将framework.so连接到framework.so.2）

问题4. absl文件夹需要在githbub下载（https://github.com/abseil/abseil-cpp/tree/master/absl），为了保险我直接将服务器的absl拷贝到tensorflow-2.4.0目录中解决该问题

问题5. 在编译失败从新编译最好使用bazel -clean后在执行编译指令

缺失文件可能需要使用bazel clean --expunge，而不是bazel -clean

成功结果

总结

这是本人tensorflow源码编译遇到的各种问题，其中对应版本是一个很麻烦的过程，因为官网给的tf对应的protobuf等库版本可能不适用，大家最好百度教程，然后在别人成功的基础上尝试，第二点是介于本人当时水平有限很多问题的解决方法不是很合理，仅供参考