安装TensorFlow

若用户仅进行离线推理，请跳过此章节。

安装前准备

对于x86架构，跳过安装前准备。

对于aarch64架构。
由于tensorflow依赖h5py，而h5py依赖HDF5，需要先编译安装HDF5，否则使用pip安装h5py会报错，以下步骤以root用户操作。
1. 编译安装HDF5。
  1. 使用wget下载HDF5源码包，可以下载到安装环境的任意目录，命令为：
```
wget https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.5/src/hdf5-1.10.5.tar.gz --no-check-certificate
```
  2. 进入下载后的目录，解压源码包，命令为：
```
tar -zxvf hdf5-1.10.5.tar.gz
```
    进入解压后的文件夹，执行配置、编译和安装命令：
```
cd hdf5-1.10.5/
./configure --prefix=/usr/include/hdf5
make
make install
```
  3. 配置环境变量并建立动态链接库软连接。
    1. 配置环境变量。
```
export CPATH="/usr/include/hdf5/include/:/usr/include/hdf5/lib/"
```
    2. root用户建立动态链接库软连接命令如下，非root用户需要在以下命令前添加sudo。
```
ln -s /usr/include/hdf5/lib/libhdf5.so  /usr/lib/libhdf5.so
ln -s /usr/include/hdf5/lib/libhdf5_hl.so  /usr/lib/libhdf5_hl.so
```
2. 安装h5py。
  root用户下安装h5py依赖包命令如下。
```
pip3 install Cython
```
  安装h5py命令如下：
```
pip3 install h5py==2.8.0
```

安装TensorFlow

TensorFlow1.15配套的Python版本是：Python3.7.x（3.7.5~3.7.11）。
TensorFlow2.6.5配套的Python版本是：Python3.7.x（3.7.5~3.7.11）、Python3.8.x（3.8.0~3.8.11）、Python3.9.x（3.9.0~3.9.2）。
TensorFlow2.6.5存在漏洞，请参考相关漏洞及其修复方案处理。

需要安装TensorFlow才可以进行算子开发验证、训练业务开发。

对于x86架构：直接从pip源下载即可，系统要求等具体请参考TensorFlow官网。需要注意tensorflow官网提供的指导描述有误，从pip源下载cpu版本需要显式指定tensorflow-cpu，如果不指定cpu，默认下载的是gpu版本。安装命令参考如下：
如下命令如果使用非root用户安装，需要在安装命令后加上--user，例如：pip3 install tensorflow-cpu==1.15 --user
- 安装TensorFlow1.15
```
pip3 install tensorflow-cpu==1.15
```
- 安装TensorFlow2.6.5
```
pip3 install tensorflow-cpu==2.6.5
```
对于aarch64架构：由于pip源未提供对应的版本，所以需要用户使用官网要求的linux_gcc7.3.0编译器编译tensorflow1.15.0或tensorflow2.6.5，编译步骤参考官网TensorFlow官网。特别注意点在下载完tensorflow tag v1.15.0或tensorflow tag v2.6.5源码后需要执行如下步骤。

下载“nsync-1.22.0.tar.gz”源码包。

进入源码目录，TensorFlow1.15场景下打开“tensorflow/workspace.bzl”文件，TensorFlow2.6.5场景下打开“tensorflow/workspace2.bzl”文件，找到其中name为nsync的“tf_http_archive”定义。

    tf_http_archive(
        name = "nsync",
        sha256 = "caf32e6b3d478b78cff6c2ba009c3400f8251f646804bcb65465666a9cea93c4",
        strip_prefix = "nsync-1.22.0",
        system_build_file = clean_dep("//third_party/systemlibs:nsync.BUILD"),
        urls = [           "https://storage.googleapis.com/mirror.tensorflow.org/github.com/google/nsync/archive/1.22.0.tar.gz",
            "https://github.com/google/nsync/archive/1.22.0.tar.gz",
        ],
    )

从urls中的任一路径下载nsync-1.22.0.tar.gz的源码包，保存到任意路径。

修改“nsync-1.22.0.tar.gz”源码包。

切换到nsync-1.22.0.tar.gz所在路径，解压缩该源码包。解压缩后存在“nsync-1.22.0”文件夹。

编辑“nsync-1.22.0/platform/c++11/atomic.h”。

在NSYNC_CPP_START_内容后添加如下加粗字体内容。

#include "nsync_cpp.h"
#include "nsync_atomic.h"

NSYNC_CPP_START_

#define ATM_CB_() __sync_synchronize()

static INLINE int atm_cas_nomb_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_relaxed, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_acq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acquire, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_rel_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_release, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_relacq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acq_rel, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}

重新压缩“nsync-1.22.0.tar.gz”源码包。
将上个步骤中解压出的内容压缩为一个新的“nsync-1.22.0.tar.gz”源码包，保存（比如，保存在“/tmp/nsync-1.22.0.tar.gz”）。
重新生成“nsync-1.22.0.tar.gz”源码包的sha256sum校验码。
执行如下命令后得到sha256sum校验码（一串数字和字母的组合）。
```
sha256sum /tmp/nsync-1.22.0.tar.gz
```

修改sha256sum校验码和urls。

进入tensorflow tag源码目录，TensorFlow1.15场景下打开“tensorflow/workspace.bzl”文件，TensorFlow2.6.5场景下打开“tensorflow/workspace2.bzl”文件，找到其中name为nsync的“tf_http_archive”定义，其中“sha256=”后面的数字填写4得到的校验码，“urls=”后面的列表第二行，填写存放“nsync-1.22.0.tar.gz”的file://索引。

    tf_http_archive(
        name = "nsync",
        sha256 = "caf32e6b3d478b78cff6c2ba009c3400f8251f646804bcb65465666a9cea93c4",
        strip_prefix = "nsync-1.22.0",
        system_build_file = clean_dep("//third_party/systemlibs:nsync.BUILD"),
        urls = [            
            "https://storage.googleapis.com/mirror.tensorflow.org/github.com/google/nsync/archive/1.22.0.tar.gz",
            "file:///tmp/nsync-1.22.0.tar.gz ",
            "https://github.com/google/nsync/archive/1.22.0.tar.gz",
        ],
    )

继续从官方的“配置build”（TensorFlow官网）执行编译。
执行完./configure之后，需要修改 .tf_configure.bazelrc 配置文件，添加如下一行build编译选项：
```
build:opt --cxxopt=-D_GLIBCXX_USE_CXX11_ABI=0
```
删除以下两行：
```
build:opt --copt=-march=native 
build:opt --host_copt=-march=native
```
继续执行官方的编译指导步骤（TensorFlow官网）即可。
安装编译好的TensorFlow。
以上步骤执行完后会打包TensorFlow到指定目录，进入指定目录后执行如下命令安装：

如下命令如果使用非root用户安装，需要在安装命令后加上--user，例如：pip3 install tensorflow-1.15.0-*.whl --user
- TensorFlow1.15：
```
pip3 install tensorflow-1.15.0-*.whl
```
- TensorFlow2.6.5：
```
pip3 install tensorflow-2.6.5-*.whl
```

父主题： 安装深度学习框架