Windows：Tensorflow 1.14，2.1.0，2.2.0 C++接口编译为dll，包括lib，h文件

目录

• 有任何地方有问题都欢迎交流
• • 个人编译好的库文件包
• 准备
• • Step0：注意事项，出现错误再回来找
  • Step1：写在前面，导出符号BUG提前修复
• 编译
• • Step1：基础环境配置
  • Step2：下载安装msys2.exe
  • Step3：下载安装bazel
  • Step4：下载tensorflow源码
  • Step5：整理头文件
  • Step6：VS中项目属性设置
  • 附录：其他可选优化选项

有任何地方有问题都欢迎交流

个人编译好的库文件包

下载地址

提取码：zzzz

准备

Step0：注意事项，出现错误再回来找

1. 编译与训练版本需保持一致，每次变更完系统变量之后，重新运行一下python configure.py
2. 网络状况一定要好，出现connect timed out / support error 多试几次，最好多试几遍
3. 计算能力必须匹配，tensorflow需要根据目标产品部署显卡的计算能力进行特定版本的编译，或者编译全计算能力版本进行开发，但是dll文件较大
4. 若想重命名lib,dll文件名称，需要先在tensorflow/tensorflow/build中找到相应代码并修改
5. 若遇到max，min冲突错误，则在VS属性—C/C++—Preprocessor—中添加NOMINMAX
6. 最好一个版本TF对应一套lib，include，dll，包括CPU / GPU版本对应好
7. tensorflow多模型同时推理测试,限制显存增长即可解决

8. 一直connect error

   （1）尝试清理缓存C/usr/_bazel_user文件夹

   （2）连接外网

Step1：写在前面，导出符号BUG提前修复

1. 实际使用dll的时候无法解析的外部符号错误：

（1）r2.3.0 / r1.15.0版本（待完善）

（2）r1.14 / r2.1.0 / r2.2.0版本

找到文件tensorflow\tensorflow\tools\def_file_filter\def_file_filter.py.tpl记事本打开
找到类似于如下格式的代码段，并追加如下两行代码
    def_fp.write("\t [email protected]@@[email protected]@[email protected]@[email protected]@@Z\n")
    def_fp.write("\t [email protected]@@[email protected]\n")
           

（3）r1.11 / r1.12 / r1.13.1版本

进入目录tensorflow\tensorflow\
找到tf_exported_symbols_msvc.lds 和 BUILD 文件，使用我提供的两个同名文件分别替换相应的文件
若还遇到导出符号错误的问题，依照tf_exported_symbols_msvc.lds文件格式继续追加即可
           

我已经提供两个文件，下载后直接复制替换即可

下载链接

1. 编译r2.1.0 / r.2.2.0

   tensorflow/WORKSPACE修改，在头部加上如下代码参考这里

http_archive(
    name = "io_bazel_rules_docker",
    sha256 = "6287241e033d247e9da5ff705dd6ef526bac39ae82f3d17de1b69f8cb313f9cd",
    strip_prefix = "rules_docker-0.14.3",
    urls = ["https://github.com/bazelbuild/rules_docker/releases/download/v0.14.3/rules_docker-v0.14.3.tar.gz"],
)
           

编译

Step1：基础环境配置

1. nvidia最新驱动
2. vs2019 + vs2019-2015 redistributable
3. CUDA 10.1 / 10.2+ cudnn 7.6.5
4. python 版本3.7.7 单独装一个python，并且添加环境变量，之后pip install numpy six
5. 默认安装vs2019，windows SDK 10.0及以上即可

Step2：下载安装msys2.exe

1. https://www.msys2.org/，按照官网教程走一遍
2. 系统环境变量中添加 D:\msys64\usr\bin
3. CMD中输入，pacman -S git patch unzip

Step3：下载安装bazel

1. Bazel版本（已通过测试）

   （1）r1.13：0.20.0

   （2）r1.14：0.24.1

   （3）r2.1.0：0.27.1

   （4）r2.2.0：2.0.0

   （5）r2.3.0：3.1.0

2. 下载地址https://github.com/bazelbuild/bazel/releases
3. 重命名为bazel.exe（此操作必要），然后放入D:\bazel\0.27.1下
4. 添加bazel.exe到系统环境变量path中
5. VC路径配置

（1）r1.13 / r1.14（如果有，则删除 BAZEL_VC

环境变量），然后添加环境变量VS140COMNTOOLS，路径如下

C:\Program Files(x86)\Microsoft Visual Studio 14.0\Common7\Tools\

（2） r2.1.0 / 2.2.0（如果有，则删除 VS140COMNTOOLS

环境变量），然后添加环境变量BAZEL_VC，路径如下

C:\Program Files(x86)\Microsoft Visual Studio\2019\Community\VC

Step4：下载tensorflow源码

1. tensorflow-r1.14(r2.1.0)-master文件夹重命名为tensorflow，然后CMD进入tensorflow/

2. python configure.py

   （1）XLA JIT 支持 (感受不到明显作用，求指导，r1.14开了编译会报错)

   （2）ROCm支持 (得先开了CUDA support)

   （3）/arch:AVX，/arch:AVX2 支持，CPU-Z查看（开了感受不到明显作用，求指导）

   （4）要编译GPU版本使用cuda就需要设置显卡计算能力，如：[3.5,5.0,6.1,7.5]

   最好与实际显卡匹配，显卡计算能力查询网址

   设置多个计算能力兼容性强，但是编译出的dll较大接近1GB，单个计算能力兼容性弱，dll大概200+MB

3. 根据相应Tensorflow版本输入编译命令

（1）r1.12 / r1.13

bazel build //tensorflow:libtensorflow_cc.so

（2）r1.14 / r2.1.0 / r2.2.0

bazel build //tensorflow:tensorflow_cc

1. 若configure.py中使用各种优化，则编译命令变更如下

（1）r1.12 / r1.13

bazel build --config=opt //tensorflow:libtensorflow_cc.so

（2）r1.14 / r2.1.0 / r.2.2.0

bazel build --config=opt //tensorflow:tensorflow_cc

Step5：整理头文件

1. lib，dll

   tensorflow\bazel-bin\tensorflow文件夹下的两个文件重命名即可

   libtensorflow_cc.dll.ifso 重命名为 tensorflow_cc.lib

   tensorflow_cc.dll

2. （CMD中进入tensorflow/tensorflow/） 输入命令

bazel build //tensorflow:install_headers
           

1. D:\tensorflow\bazel-genfiles\tensorflow\include\src中文件夹复制到D:\tensorflow\bazel-genfiles\tensorflow\include中

2. 此处为选择操作，最好操作一下：

   D:\tensorflow\bazel-tensorflow\external\protobuf_archive(com_google_protobuf)\src\google

   文件夹复制到D:\tensorflow\bazel-genfiles\tensorflow\include下

3. D:\tensorflow\bazel-genfiles\tensorflow\include即为所需

Step6：VS中项目属性设置

1. VC++包含目录

   D:\tensorflow_lib\include

2. 【链接器】-【输入】根据需要添加

3. 工程目录下添加，其他根据需要添加

   tensorflow_cc.lib

   tensorflow_cc.dll

附录：其他可选优化选项