前言

使用pip方式安装的tensorflow在cpu下运行提示：

Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA

查阅相关资料之后，发现是目前版本的tensorflow不能很好的支持这些CPU指令集，然而我又极度想提高程序的速度，所以开始解决这个问题，顺便做个记录，方便自己以后查阅。

环境

Ubuntu14.04
python3.5

目标安装版本，不过应该区别不大

tensorflow1.4

源码安装tensorflow

一、 安装版本构建工具 bazel

google的版本构建工具
**注意：**如果要编译比较老版本的tensorflow最好安装比较老版本的bazel不然可能会有错误

(1) 安装JDK 8
如果环境是Ubuntu15.10，跳过此步骤。但在Ubuntu14.04,执行此步骤，安装Oracle JDK 8.这步我是已经完成的，网上很多教程。

(2) 添加bazel包源（安装了老版本直接看(5)）

$ echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
$ curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

(3)安装bazel：

$ sudo apt-get update && sudo apt-get install bazel

(4)测试下bazel是否安装成功：
a：创建WORKSPACE文件：

$ touch WORKSPACE

b：创建一个BUILD文件：

$ vim BUILD 
genrule(
  name = "hello",
  outs = ["hello_world.txt"],
  cmd = "echo Hello World > $@",
)

c： 执行

$  bazel build :hello

(5)安装老版本：
上https://github.com/bazelbuild/bazel/releases下载老版本的deb文件，里头有各个版本的压缩包，选适合自己的，在我尝试了0.11.1/0.4.5/0.5.4/0.90之后，终于找到了可以正常编译tensorflow1.4的0.8.1
下载完成以后，进入到bazel安装包所在目录，执行命令：

sudo dpkg -i bazel_0.8.1-linux-x86_64.deb

二、安装其他依赖
(1)安装numpy等：

$ sudo apt install python-numpy swig python-wheel
$ sudo apt-get install python3.5-dev

(2)安装MKL（可选，实测效果并不好，建议不选，看最后评测）

MKL是一款商用函数库，提供C、Fortran 和 Fortran 95的支持，但仅支持Intel自家旗下的CPU。

安装编译mesa 安装编译tensorflow_编译


在 下载链接注册完免费下载MKL 后解压（下载时间有点小久）

$ tar -zxvf l_mkl_2018.4.274.tgz

运行./install.sh即可，完成后添加环境变量：

export MKL_HOME=/opt/intel/mkl/lib/intel64                                  
export PATH=$SCALA_HOME/bin:$MKL_HOME:$PATH

三、 下载TensorFlow源码
网上给了两种比较常用的下载方式
第一种去tensorflow官方的github上直接下载，额，我选的是这种，因为貌似有博主用血与泪的教训得出这种比较不容易报错

第二种：直接git下载：终端里面输入，我需要选择版本，这种感觉还挺方便的。

如果没有安装git需要先安装

$ sudo apt-get install git
$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

经过漫长的等待…终于下好了

四、 配置 TensorFlow

$ cd tensorflow
$ git pull
$ git checkout r1.10 #此处可以将1.10换成您想安装的任意版本

比如我想切换成1.4，运行结果如下

root@ubuntu:~/tensorflow$ git checkout r1.4 Branch r1.4 set up to
track remote branch r1.4 from origin. Switched to a new branch ‘r1.4’

开始编译配置

./configure

CPU版基本按推荐选择Yes/No就可以了，如果安装了MKL那么这里输入，否者直接回车

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]: --config=mkl

五、 编译 TensorFlow

1）生成build_pip_package的脚本
默认操作执行以下代码会自动适配cpu指令

$ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

如果下了MKL 并且CPU支持SSE4.1 SSE4.2 AVX AVX2 FMA，没有GPU所以没弄cuda。

$ bazel build -c opt --config=mkl --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma -k //tensorflow/tools/pip_package:build_pip_package

错误记录
0.11.1老版本bazel执行编译后可能报如下错误，这貌似是个bug，高版本的tensorflow已经修复这个问题了。

Closure Rules requires Bazel >=0.4.5 but was 0.11.1

https://github.com/tensorflow/tensorflow/issues/16654 可以参考这个链接，然后就是不断试版本的过程，在我尝试了0.11.1/0.4.5/0.5.4/0.90之后，终于找到了可以正常编译tensorflow1.4的0.8.1。

成功之后就会提示这个

INFO: Elapsed time: 767.302s, Critical Path: 138.56s
INFO: Build completed successfully, 5965 total actions

2）完成编译后，运行脚本，在文件夹中创建pip的安装包：

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

错误记录
中间有出现如下错误

Traceback (most recent call last):
 File “setup.py”, line 240, in 
 keywords=‘tensorflow tensor machine learning’,)
 File “/usr/local/lib/python3.5/dist-packages/setuptools/init.py”, line 143, in setup
 return distutils.core.setup(**attrs)
 File “/usr/lib/python3.5/distutils/core.py”, line 148, in setup
 dist.run_commands()
 File “/usr/lib/python3.5/distutils/dist.py”, line 955, in run_commands
 self.run_command(cmd)
 File “/usr/lib/python3.5/distutils/dist.py”, line 974, in run_command
 cmd_obj.run()
 File “/usr/lib/python3/dist-packages/wheel/bdist_wheel.py”, line 213, in run
 archive_basename = self.get_archive_basename()
 File “/usr/lib/python3/dist-packages/wheel/bdist_wheel.py”, line 161, in get_archive_basename
 impl_tag, abi_tag, plat_tag = self.get_tag()
 File “/usr/lib/python3/dist-packages/wheel/bdist_wheel.py”, line 155, in get_tag
 assert tag == supported_tags[0]
 AssertionError

更新wheel的版本

$ pip3 install wheel

然后继续正常编译

六、 安装并配置环境变量

安装tensorflow

$ sudo pip install /tmp/tensorflow_pkg/tensorflow-1.4.2-cp35-cp35m-linux_x86_64.whl
//whl文件名可能会有区别,根据生成的版本.tensorflow1.4.2，python3.5

然后就成功啦！！！终于！！！

结果比较

PIP安装版

首先是直接pip安装的tensorflow，就是会报警告

CPU占用率，耗时：

安装编译mesa 安装编译tensorflow_编译_02

安装编译mesa 安装编译tensorflow_安装编译mesa_03


加MKL编译版

选择MKL优化后的CPU占用率，耗时：

安装编译mesa 安装编译tensorflow_cpu_04


安装编译mesa 安装编译tensorflow_安装编译mesa_05


可以看到，CPU并行化确实是提高了，不过速度反而变慢了，这可能和我用来做测试有关系。

自动适配编译版

默认自动适配的CPU占用率，耗时：

安装编译mesa 安装编译tensorflow_cpu_06


安装编译mesa 安装编译tensorflow_安装_07


还是有一些提升的，不过效果也并没有网上描述的那么明显，可能和代码有关，我的代码并不是纯用网络。