--- title: 安装开源框架TensorFlow 1.15 description: "TensorFlow 1.15配套的Python版本是：Python3.7.x（3.7.5~3.7.11）。" url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_000008.html sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000008.html indexId: caf18ca738d267033a724db294e3ad0697169e6e55b93483273594ee80874d6773 --- # 安装开源框架TensorFlow 1.15 #### 安装前准备 TensorFlow 1.15配套的Python版本是：Python3.7.x（3.7.5~3.7.11）。 - 对于x86架构，可直接跳过安装前准备。 - 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。 a. 访问 下载链接(https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.5/src/hdf5-1.10.5.tar.gz) 下载HDF5源码包，并上传到安装环境的任意目录。 b. 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 ``` c. 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 ``` d. 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。 a. root用户下执行如下命令安装h5py依赖包。 ``` pip3 install "Cython<3" pip3 install wheel ``` b. root用户下执行如下命令安装h5py。 ``` pip3 install numpy #未安装numpy时，h5py 2.8.0在线安装会失败 pip3 install h5py==2.8.0 ``` #### 安装TensorFlow 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(https://www.tensorflow.org/install/pip?lang=python3) 。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TensorFlow 1.15： ``` pip3 install tensorflow-cpu==1.15 ``` - 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TensorFlow 1.15，编译步骤参考官网 TensorFlow官网(https://www.tensorflow.org/install/source) 。特别注意点如下。 在下载完tensorflow tag v1.15.0(https://github.com/tensorflow/tensorflow/releases/tag/v1.15.0)后需要执行如下步骤： 1. 下载“nsync-1.22.0.tar.gz”源码包。 a. 进入源码目录，打开“tensorflow/workspace.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", ], ) ``` b. 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。 2. 修改“nsync-1.22.0.tar.gz”源码包。 a. 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。 b. 编辑“nsync-1.22.0/platform/c++11/atomic.h”。 修改前： ``` #include "nsync_cpp.h" #include "nsync_atomic.h" NSYNC_CPP_START_ static INLINE int atm_cas_nomb_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) { return (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_relaxed, std::memory_order_relaxed)); } static INLINE int atm_cas_acq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) { return (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acquire, std::memory_order_relaxed)); } static INLINE int atm_cas_rel_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) { return (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_release, std::memory_order_relaxed)); } static INLINE int atm_cas_relacq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) { return (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acq_rel, std::memory_order_relaxed)); } ``` 修改后： ``` #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; } ``` 3. 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（例如，保存在“/tmp/nsync-1.22.0.tar.gz”）。 4. 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 ``` 5. 修改sha256sum校验码和urls。 进入tensorflow tag源码目录，打开“tensorflow/workspace.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", ], ) ``` 6. 继续参考官方文档（https://www.tensorflow.org/install/source(https://www.tensorflow.org/install/source)）完成编译。 ABI的配置在TensorFlow和FwkPlugin中需要保持一致（即配置为0），否则会导致导入TFA失败。 7. 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 ``` pip3 install tensorflow-1.15.0-*.whl ``` 8. 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。