安装前准备

TensorFlow2.6.5配套的Python版本是：Python3.7.x（3.7.5~3.7.11）、Python3.8.x、Python3.9.x。

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. 确保已安装配套版本的Python。
2. 编译安装HDF5 1.10.5版本。
  1. 访问下载链接下载HDF5源码包，并上传到安装环境的任意目录。
  2. 进入源码包所在目录，执行如下命令解压源码包。
```
tar -zxvf hdf5-1.10.5.tar.gz
```
  3. 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/local/hdf5
make -j16 && make install
```
  4. 配置环境变量。
```
export CPATH=/usr/local/hdf5/include/:/usr/local/hdf5/lib/
export LD_LIBRARY_PATH=/usr/local/hdf5/lib/:$LD_LIBRARY_PATH
```
3. 安装h5py。
  1. root用户下执行如下命令安装h5py依赖包。
```
pip3 install "Cython<3"
pip3 install wheel
```
  2. root用户下执行如下命令安装h5py。
```
pip3 install h5py==3.1.0
```
    若在线安装h5py 3.1.0失败，可单击链接获取源码包，使用源码编译安装：
```
unzip h5py-3.1.0.zip
cd h5py-3.1.0
python3 setup.py build
python3 setup.py install
```

安装TensorFlow

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==2.6.5 --user
```
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tensorflow2.6.5，编译步骤参考官网TensorFlow官网。特别注意点如下。
在下载完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，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”文件夹和“pax_global_header”文件。

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，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",
    ],
)

继续参考官网的“配置build”（TensorFlow官网）章节执行编译。
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-2.6.5-*.whl --user
```
pip3 install tensorflow-2.6.5-*.whl
```
执行如下命令验证安装效果。
```
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
```
如果返回了张量则表示安装成功。安装TensorFlow时会自动重装numpy，导入时如果提示numpy版本不兼容，请参考安装TensorFlow2.6.5后，执行import tensorflow时报错重装配套版本的numpy。

安装开源框架TensorFlow

安装前准备

安装TensorFlow