环境准备

安装如表1所示相关依赖。

表1 依赖信息
依赖包	版本限制
gcc	8.4及以上版本用户可使用“cc --version”命令确定当前系统使用的gcc版本。由于使用9.x版本的gcc会导致bazel编译失败，因此不建议使用9.x版本的gcc。若必须使用，请自行参见链接修复相关问题。
g++	8.4及以上版本用户可使用“c++ --version”命令确定当前系统使用的gcc版本。由于使用9.x版本的gcc会导致bazel编译失败，因此不建议使用9.x版本的gcc。若必须使用，请自行参见链接修复相关问题。
zip	无特定版本要求。
unzip	无特定版本要求。
libtool	无特定版本要求。
automake	无特定版本要求。
Python	3.7.5
TensorFlow	1.15.0
tensorflow-serving-api	1.15.0
future	无特定版本要求。
bazel	0.24.1及以上版本
CMake	3.14.0及以上版本
swig	若操作系统架构为“aarch64”，软件安装版本需大于或等于3.0.12。若操作系统架构为“x86_64”，软件安装版本需大于或等于4.0.1 。

gcc和g++的版本需要保持一致，否则TF Serving源码编译时可能会报错。
bazel编译安装可参考源码安装0.24.1版本bazel。
CMake编译安装可参考源码安装3.14.0版本CMake。
如果在安装swig软件包时出现无法安装软件包问题，参考无法安装swig软件包解决。
gcc、g++、zip、unzip、libtool和automake软件包使用apt或yum进行安装，TensorFlow、tensorflow-serving-api和future软件包使用pip3方式安装。

父主题： 基于TF Serving部署在线推理业务