TensorFlow训练模型时，基本都是在Python环境下完成。生成环境中通常会使用其他语言开发应用程序，来完成对训练好的模型的调用。这时，就需要用到tensorflow的动态库文件。Tensorflow的官方并没有提供编译好的动态库文件，只是给出了如何进行编译的方法指导。实际编译过程中，会遇到很多问题，作者在参考其他编译教程，结合自己的实战经验，总结撰写本教程，希望能为需要的同仁提供些许帮助。

主要参考：

https://www.tensorflow.org/install/source_windows官网配置指南

https://docs.bazel.build/versions/main/install-windows.html

https://zhuanlan.zhihu.com/p/259789357

Windows 编译环境配置

安装以下构建工具以配置 Windows 编译环境。

安装 Python 和 TensorFlow 软件包依赖项

安装Python

安装适用于 Windows 的 Python 3.6.x 64 位版本（以上的版本）。选择 pip 作为可选功能，并将其添加到 %PATH% 环境变量中。

注意：python的安装路径不能有空格，否则在bazel build时会报如下错误：

python安装在没有空格路径下（比如: C:\Python\Python38）并将安装路径配置到系统环境变量path中。

安装Tensorflow pip软件依赖包

安装 TensorFlow pip 软件包依赖项：

pip3 install six numpy wheel

pip3 install keras_applications==1.0.6 --no-deps

pip3 install keras_preprocessing==1.0.5 --no-deps

上图说明six，numpy，wheel已经安装过了。可通过pip uninstall先卸载已经安装的软件，并按照要求重新安装指定版本软件。

pip3 install six~=1.15.0 numpy~=1.19.2 wheel~=0.35

pip3 install keras_applications~=1.0.8 --no-deps

pip3 install keras_preprocessing~=1.1.2 --no-deps

'flatbuffers ~= 1.12.0',

这些依赖项就列在 setup.py 文件https://github.com/tensorflow/tensorflow/blob/master/tensorflow/tools/pip_package/setup.py

)的 REQUIRED_PACKAGES 下。

本教程针对TensorFlow2.5版本进行编译，请参考:

https://github.com/tensorflow/tensorflow/blob/r2.5/tensorflow/tools/pip_package/setup.py

REQUIRED_PACKAGES = [

# NOTE:As numpy has releases that break semver guaranteesand several other

# deps depend on numpy without an upper bound, we must install numpy before

# everything else.

'numpy ~= 1.19.2',

# Install other dependencies

'absl-py ~= 0.10',

'astunparse ~= 1.6.3',

'flatbuffers ~= 1.12.0',

'google_pasta ~= 0.2',

'h5py ~= 3.1.0',

'keras_preprocessing ~= 1.1.2',

'opt_einsum ~= 3.3.0',

'protobuf >= 3.9.2',

'six ~= 1.15.0',

'termcolor ~= 1.1.0',

'typing_extensions ~= 3.7.4',

'wheel ~= 0.35',

'wrapt ~= 1.12.1',

# These packages need to be pinned exactly as newer versions are

# incompatible with the rest of the ecosystem

'gast == 0.4.0',

# TensorFlow ecosystem packages that TF exposes API for

# These need to be in sync with the existing TF version

# They are updated during the release process

# When updating these, please also update the nightly versions below

'tensorboard ~= 2.5',

'tensorflow-estimator >= 2.5.0 , < 2.6.0',

# TODO(scottzhu) : OSS keras hasn't been formally released yet.

# Use keras - nightly at the moment.

'keras-nightly ~= 2.5.0.dev',

]

【补充知识】版本号说明

版本号分为major，minor，patch。分别对应第一，二，三位。

1.2.0

major.minor.patch

~的意思是：

如果有minor，则patch可以变，minor不能变。

如果没有minor，则minor,patch可变，major不能变。

例如：

~1.2.0 ===> 1.2.0 <= x < 1.3.0

~1.3 ===> 1.3.0 <= x < 1.4.0

~2 ===> 2.0.0 <= x < 3.0.0

^ 表示左边第一位非0的版本号不变，其他可变。

例子：

major

major非0 ^1.2.2 ===> 1.2.2 <= x < 2.0.0

minor非0 ^0.1.2 ===> 0.1.2 <= x < 0.2.0

patch非0 ^0.0.1 ===> 0.0.1 <= x < 0.0.2

但是，如果没有patch，patch会默认是0，并且可变，即使major，min都是0。

^0.0 := >=0.0.0 <0.1.0

如果minor，patch都没有，也会默认为0，并且可变，即使major也为0.

^1.x ===> 1.0.0 <= x < 2.0.0

^0.x ===> 0.0.0 <= x < 1.0.0

^0.0 等价于 >=0.0.0 <0.1.0

详细可查看https://cnpmjs.org/package/semver 的Tilde Ranges和Caret Ranges

【补充知识】pip常用命令

pip3 list 查看已经安装的包

pip3 install you-get //安装或者查看you-get的安装路径

pip命令集合

首先，我们进入cmd命令控制界面，输入pip，查看下pip的命令集合。

接下来我们来整理一下pip命令：

我们接下来详细展示几个常用的pip command使用方式：

install

主要形式如下：

pip install <pacakage>

or

pip install -r requirements.txt

主要使用方式如下：

安装本地.whl

pip install <目录>/<文件名>

或

pip install --use-wheel --no-index --find-links=wheelhous/<包名>

例如：pip install requests-2.21.0-py2.py3-none-any.whl（注意.whl包在C:\Users\Administrator中才能安装）

升级包

pip install -U <包名>

或：

pip install <包名> --upgrade

例如： pip install urllib3 –upgrade

升级pip

pip install -U pip

或

python -m pip install --upgrade pip

升级的时候，其实还有一个不怎么用到的选项 --upgrade-strategy，它是用来指定升级策略。它的可选项只有两个：

• eager: 升级全部依赖包
• only-if-need: 只有当旧版本不能适配新的父依赖包时, 才会升级

在 pip 10.0 版本之后，这个选项的默认值是 only-if-need，因此如下两种写法是一互致的:

pip install --upgrade pkg1

pip install --upgrade pkg1 --upgrade-strategy only-if-need

从本地安装指定包

只从本地安装，而不从 pypi 安装。

pip install --no-index --find-links=目录 包

例如：

pip install --no-index --find-links=C:\Users\satori\Desktop\pkgs fastapi

从本地批量安装包

pip install --no-index --find-links="D:\thirdparty\tensorflow\tensorflow_pkg" -r requirement.txt

指定安装包源

pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pkg

通过 -i 指定别的源, 但由于不是https, 所以需要加上--trusted-host表示信任该网址。

限制不使用二进制包安装

由于默认情况下，whl 包的平台是运行 pip download 命令的平台，所以可能出现平台不适配的情况。比如在 MacOS 系统下得到的 pymongo-2.8-cp27-none-macosx_10_10_intel.whl 就不能在 linux_x86_64 中安装，使用下面这条命令下载的是 tar.gz 的包，可以直接使用 pip install 安装。相比 whl 包，这种包在安装时会进行编译，所以花费的时间会长一些。

下载非二进制的包

pip download --no-binary=:all: pkg

安装非二进制的包

pip install pkg --no-binary

指定代理服务器安装

当我们无法连接公网时，除了上面那种先将安装包下载下来之外，还可以使用代理。因为有的内网环境虽然和外界是隔离的，但两者之间的路并没有完全堵死，可以通过连接到指定的代理来建立一座桥。

pip install --proxy http[s]://[user:password@]ip:port 包名

但每次安装包就发输入长长的参数，未免有些麻烦，为此你可以将其写入配置文件中：$HOME/.config/pip/pip.conf。但是对于这个路径，不同的操作系统，路径各不相同：

# Linux/Unix:

/etc/pip.conf

~/.pip/pip.conf

~/.config/pip/pip.conf

# Mac OSX:

~/Library/Application Support/pip/pip.conf

~/.pip/pip.conf

/Library/Application Support/pip/pip.conf

# Windows:

%APPDATA%\pip\pip.ini

%HOME%\pip\pip.ini

C:\Documents and Settings\All Users\Application Data\PyPA\pip\pip.conf (Windows XP)

C:\ProgramData\PyPA\pip\pip.conf (Windows 7及以后)

若在你的机子上没有此文件，则自行创建即可：

[global]

index-url = http://mirrors.aliyun.com/pypi/simple/

# 替换出自己的代理地址，格式为 http://[user:passwd@]ip:port

proxy=http://xxx.xxx.xxx.xxx:8080

[install]

# 信任阿里云的镜像源，否则会有警告

trusted-host=mirrors.aliyun.com

uninstall

卸载安装包

pip uninstall <包名>

或

pip uninstall -r requirements.txt

例如： pip uninstall requests

download

pip download 包名 -d "下载后文件存储路径(windows下双引号来表示文件夹)"

例如：

pip download tensorboard(~=2.5) -d "D:\thirdparty\tensorflow\tensorflow_pkg"

pip download会将该包以及该包的依赖包一起下载。

也可以将多个需要下载的包名称写到requirement.txt文件中，文件的一行代表一个包，例如：

numpy(~=1.19.2)与numpy~=1.19.2 等效。

pip download -d "D:\thirdparty\tensorflow\tensorflow_pkg" -r requirements.txt

freeze

pip freeze，可以查看已经安装的包及版本信息

导出到指定文件中，如图，注意“>”,文件名随意。第一种写法是错误的演示，第二种才能通过

list

查询已经安装了的包

pip list

查询可升级的包

pip list -o

show

显示包所在目录及信息

例如 pip show requests

search

搜索包

pip search <关键字>

例如： pip search requests就会显示如下和requests相关的安装包

打包

pip wheel <包名>

例如 pip wheel requests

在以下文件夹中就能找到requests-2.21.0-py2.py3-none-any.whl文件了

pip wheel --wheel-dir=目录 包名

我们可以将当前 Python 中已经存在的包打包成 whl 文件，当然除了指定包名之外，也可以换成 -r requirement.txt。

【补充知识】pkginfo列出whl的依赖包

在网络不好的情况下，手动下载依赖包，需要找到所有依赖包（dependencies）。pkginfo可以找到whl所依赖包的名称以及版本号。

pkginfo -f requires_dist tensorflow-2.5.1-cp38-cp38-win_amd64.whl

安装 Bazel

下载Bazel

安装 Bazel，它是用于编译 TensorFlow 的构建工具。如需确认适用的 Bazel 版本，请参阅适用于 Windows 的经过测试的构建配置。

配置 Bazel 来构建 C++。

定位到https://github.com/bazelbuild/bazel/tags找到3.7.2的下载页面：

安装Bazel

将zip解压到系统安装目录。

设置环境变量PATH

将Bazel 可执行文件的位置添加到 %PATH% 环境变量中。

设置环境变量BAZEL_VC

为BAZEL配置VC的系统环境变量

Visuale Studio 2015只能设置BAZEL_VC环境变量。

set BAZEL_VC=C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC (VS2015中只支持BAZEL_VC)

Visual Studio 2017和2019 另外还支持指定 BAZEL_VC_FULL_VERSION(VC版本)和BAZEL_WINSDK_FULL_VERSION(Windows SDK版本)。

set BAZEL_VC=C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC （VS2019）

set BAZEL_VC_FULL_VERSION=14.16.27023

set BAZEL_WINSDK_FULL_VERSION=10.0.10240.0

当不指定BAZEL_VC_FULL_VERSION和BAZEL_WINSDK_FULL_VERSION时，BAZEL将会使用最新的版本。

测试BAZEL是否配置正确

下载测试代码：

进入下载代码的目录，执行命令：bazel build //examples/cpp:hello-world

命令行输入：bazel version

安装 MSYS2

为构建 TensorFlow 所需的 bin 工具安装 MSYS2。如果 MSYS2 已安装到D:\msys64 下，请将 D:\msys64\usr\bin 添加到 %PATH% 环境变量中。

然后，使用 cmd.exe 运行以下命令：

pacman -S git patch unzip

安装 Visual C++ 生成工具 2019

安装 Visual C++ 生成工具 2019。该工具随附在 Visual Studio 2019 中，但可以单独安装：

1. 转到 Visual Studio 下载页面，
2. 选择“可再发行组件和生成工具”，
3. 下载并安装：

• Microsoft Visual C++ 2019 可再发行组件包Microsoft 生成工具 2019

注意：TensorFlow 已针对 Visual Studio 2019 进行了测试。

安装 GPU 支持项（可选）

若要安装在 GPU 上运行 TensorFlow 所需的驱动程序和其他软件，请参阅 Windows GPU 支持指南。

注意：CUDA安装完成后（确保匹配版本的CUDNN已经下载并解压到了CUDA的bin目录和include目录），需要将bin目录和CUPTI的lib64目录添加到系统环境变量path变量中。

当前计算机显卡算力查询：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite\deviceQuery.exe

（未完待续）