原文链接 : https://www.tensorflow.org/install/install_sources
译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029599
本指南介绍了如何将TensorFlow源构建到TensorFlow二进制文件中以及如何安装TensorFlow二进制文件。请注意，我们为Linux，Mac和Windows系统提供经过良好测试的预先构建的TensorFlow二进制文件。此外，还有预制的TensorFlow 码头图像。所以，不要自己构建一个TensorFlow二进制文件，除非你非常舒适地从源代码构建复杂的包，并处理不可避免的后果，如果事情不能完全符合文档。
如果最后一段没有吓到你，欢迎。本指南介绍如何在以下操作系统上构建TensorFlow：
- Ubuntu的
- Mac OS X
我们不正式支持在Windows上构建TensorFlow; 但是，如果您不介意在Windows 或 TensorFlow CMake构建中使用高度实验性的Bazel，则可以在Windows上尝试构建TensorFlow 。
确定哪个TensorFlow要安装
您必须选择以下类型的TensorFlow来构建和安装：
- TensorFlow仅支持CPU支持。如果您的系统没有NVIDIA®GPU，请构建并安装此版本。请注意，此版本的TensorFlow通常更容易构建和安装，因此即使您有NVIDIA GPU，我们建议首先构建和安装此版本。
-
TensorFlow支持GPU。TensorFlow程序通常在GPU上比在CPU上运行得更快。因此，如果您的系统具有NVIDIA GPU，并且您需要运行性能关键型应用程序，则应最终构建并安装此版本。除了NVIDIA GPU本身之外，您的系统还必须满足以下文档中描述的NVIDIA软件要求：
- 在Mac OS上安装TensorFlow
克隆TensorFlow存储库
通过克隆TensorFlow存储库开始构建TensorFlow的过程。
要克隆最新的 TensorFlow存储库，请发出以下命令：
|
|
上述git clone命令将创建一个名为的子目录tensorflow。克隆后，您可以通过调用以下命令来选择构建 特定的分支（如发行版分支）：
|
|
例如，要使用r1.0发行版而不是主版本，请发出以下命令：
|
|
接下来，您必须为Linux 或 Mac OS准备 环境
为Linux准备环境
在Linux上构建TensorFlow之前，请在系统上安装以下构建工具：
- bazel
- TensorFlow Python依赖关系
- 可选，NVIDIA软件包支持TensorFlow for GPU。
安装Bazel
如果您的系统上没有安装bazel，请按照以下说明进行安装 。
安装TensorFlow Python依赖项
要安装TensorFlow，您必须安装以下软件包：
numpy，这是TensorFlow需要的数字处理软件包。dev，它可以添加对Python的扩展。pip，这使您能够安装和管理某些Python包。wheel，它使您能够以轮（.whl）格式管理Python压缩包。
要为Python 2.7安装这些软件包，请发出以下命令：
|
|
要为Python 3.n安装这些软件包，请发出以下命令：
|
|
可选：安装TensorFlow for GPU先决条件
如果您正在构建没有GPU支持的TensorFlow，请跳过本节。
您的系统上必须安装以下NVIDIA 硬件：
- 具有CUDA Compute Capability 3.0或更高版本的GPU卡。有关 支持的GPU卡的列表，请参阅NVIDIA文档。
您的系统上必须安装以下NVIDIA 软件：
- NVIDIA的Cuda Toolkit（> = 7.0）。我们建议使用8.0版。有关详细信息，请参阅 NVIDIA的文档。确保您将相关的Cuda路径名附加到
LD_LIBRARY_PATH环境变量中，如NVIDIA文档中所述。 - 与NVIDIA公司的Cuda Toolkit相关的NVIDIA驱动程序。
- cuDNN（> = v3）。我们推荐5.1版本。有关详细信息，请参阅 NVIDIA的文档，特别是附加适用于您的
LD_LIBRARY_PATH环境变量的路径名的说明。
最后，还必须libcupti-dev通过调用以下命令进行安装：
|
|
下一个
准备好环境之后，您必须 配置安装。
为Mac OS准备环境
在构建TensorFlow之前，您必须在系统上安装以下内容：
- bazel
- TensorFlow Python依赖关系。
- 可选，NVIDIA软件包支持TensorFlow for GPU。
安装bazel
如果您的系统上没有安装bazel，请按照以下说明进行安装 。
安装python依赖项
要安装TensorFlow，您必须安装以下软件包：
- six
- numpy，这是TensorFlow需要的数字处理包。
- wheel，这使您能够以轮（.whl）格式管理Python压缩包。
您可以使用pip安装python依赖项。如果您的机器上没有点，我们建议您使用自制程序安装Python和pip，如下 所述。如果您按照这些说明，您将不需要禁用SIP。
安装pip后，调用以下命令：
|
|
可选：安装TensorFlow for GPU先决条件
如果您没有安装brew，请按照以下说明进行安装 。
安装brew后，通过发出以下命令安装GNU coreutils：
|
|
如果要编译张量流并安装了XCode 7.3和CUDA 7.5，请注意，Xcode 7.3尚未兼容CUDA 7.5。要解决此问题，请执行以下任一操作：
- 升级到CUDA 8.0。
-
下载Xcode 7.2并通过发出以下命令将其选为默认值：
$ sudo xcode-select-s/Application/Xcode-7.2/Xcode.app
注意：您的系统必须满足以下文档之一中描述的NVIDIA软件要求：
配置安装
源代码树的根目录包含一个名为bash脚本的脚本 configure。该脚本要求您识别所有相关TensorFlow依赖关系的路径名，并指定其他构建配置选项，如编译器标志。您必须在创建pip包并安装TensorFlow 之前运行此脚本。
如果您想使用GPU构建TensorFlow，configure将要求您指定Cuda和cuDNN的版本号。如果您的系统上安装了几个版本的Cuda或cuDNN，请明确选择所需的版本，而不是依赖于系统默认值。
这是configure脚本的一个示例执行。请注意，您自己的输入可能与我们的示例输入不同：
|
|
如果您告诉configure构建GPU支持，那么configure将创建一个规范的符号链接到系统上的Cuda库。因此，每次更改Cuda库路径时，必须重新运行configure脚本，然后重新调用该bazel build命令。
请注意以下事项：
- 虽然可以在同一源代码树下构建Cuda和非Cuda配置，但我们建议在同一源代码树中
bazel clean进行这两种配置之间切换时运行。 - 如果在运行该 命令之前未运行该
configure脚本，该命令将失败。bazel buildbazel build
构建pip包
要为具有仅支持CPU的TensorFlow构建pip软件包，请调用以下命令：
|
|
要为具有GPU支持的TensorFlow构建pip软件包，请调用以下命令：
|
|
关于gcc 5或更高版本的注意事项： TensorFlow网站上提供的二进制点阵软件是使用gcc 4构建的，它使用较旧的ABI。要使您的构建与较旧的ABI兼容，您需要添加-cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"到您的bazel build命令。ABI兼容性允许针对TensorFlow pip包构建的自定义操作继续针对您构建的包。
提示：默认情况下，从源代码构建TensorFlow会占用很多RAM。如果RAM是系统上的问题，则可以通过--local_resources 2048,.5,1.0在调用时指定来限制RAM的使用bazel。
该bazel build命令构建一个名为的脚本 build_pip_package。如下运行此脚本将在.whl目录中构建一个文件/tmp/tensorflow_pkg：
|
|
安装pip包
调用pip install安装该pip包。该文件的.whl文件名取决于您的平台。例如，以下命令将在Linux上安装TensorFlow 1.1.0的pip包：
|
|
验证您的安装
通过执行以下操作来验证您的TensorFlow安装：
启动一个终端
将directory（cd）更改到tensorflow您调用该configure命令的子目录以外的系统上的任何目录 。
调用python：
|
|
在python交互式shell中输入以下短程序：
|
|
如果系统输出以下内容，则可以开始编写TensorFlow程序：
|
|
如果您是TensorFlow的新手，请参阅TensorFlow入门。
如果系统输出错误信息而不是问候，请参阅常见的安装问题。
常见的安装问题
遇到的安装问题通常取决于操作系统。请参阅以下指南之一的“常见安装问题”部分：
除了这两个指南中记录的错误之外，下表列出了构建TensorFlow特有的其他错误。请注意，我们依赖堆栈溢出作为构建和安装问题的存储库。如果您遇到上述两个指南或下表中未列出的错误消息，请在堆叠溢出中搜索该错误消息。如果Stack Overflow没有显示错误消息，请在Stack Overflow上提出一个新问题并指定tensorflow标签。
| 堆栈溢出链接 |
错误信息 |
|---|---|
| 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 |
