# tensorflow 2.10.0 從原始碼編譯
* 感謝威成大大的2.5.0版教學，此篇是用於[TensorFlow latest release（07 Sep 2022）](https://github.com/tensorflow/tensorflow/releases/tag/v2.10.0)TF 2.10.0的原始碼編譯。若沒有筆者CPU不支援AVX問題（理論上i系列都有），也可[參考這篇](https://medium.com/@johnnyliao/%E5%9C%A8win10%E4%B8%8A%E5%AE%89%E8%A3%9Dcuda-toolkit-cudnn-tensorflow-gpu-1-12%E4%BB%A5%E4%B8%8B%E5%8F%8A1-13%E4%BB%A5%E4%B8%8A-%E7%9A%84%E5%AE%89%E8%A3%9D%E7%B6%93%E9%A9%97%E5%88%86%E4%BA%AB-c792953b316f)的懶人安裝方式

## conda 環境複製
https://blog.csdn.net/ft_sunshine/article/details/92215164
https://stackoverflow.com/questions/44112457/how-to-backup-anaconda-added-packages
https://stackoverflow.com/questions/48016351/how-to-make-new-anaconda-env-from-yml-file
1. conda old env導出yml

conda env export > path/to/environment.yml

#修改.yml
name: new_env_name
prefix: /path/...../new_env_name

2. 建立新env,並採用不同python版本

conda env create -n new_env_name python=3.8 --file environment.yml

## conda 環境隔離

由於需要python環境隔離，建立anaconda environment時必須**指定特定python版本**給tensorflow相關套件，以避免pip管理與其他anaconda enviroment衝突

以建立anaconda環境dl_course_env，綁定python 3.8為例:

conda create -n dl_course_env python=3.8

參考
* https://www.cnblogs.com/moodlxs/p/11509692.html
* https://speech.ee.ntu.edu.tw/~hylee/ml/ml2022-course-data/EnvironmentSetup.pdf

一些常用指令:

conda env remove -n ENV_NAME
python -c 'import tensorflow as tf; print(tf.__version__)'  # for Python 2
python3 -c 'import tensorflow as tf; print(tf.__version__)'  # for Python 3
# use tf1.15new env - 1.15.5

## 使用現有wheel
此方案適用於在github中能找到配置一模一樣的whl，那就可以無痛直接安裝並跳過自行編譯階段
* https://github.com/yaroslavvb/tensorflow-community-wheels

## tf 2.10.0 自行編譯
* 硬體
* intel pentium Gold G5400
* Nvidia FE RTX3070
* 環境
* Ubuntu 20.04 LTS
* anaconda
* nvidia-driver 515
* Anaconda installed(懶得解安裝)
* CUDA version: 11.7
* cuDNN:8.4.1.50
> cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz
* **[CUDA toolkit 11.7](https://developer.nvidia.com/cuda-11-7-0-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=20.04&target_type=deb_local)**
* 必須global安裝在本機上，不可使用conda虛擬環境之toolkit，否則bazel設定時識別不到

* build tensorflow 2.10.0 command
* [官方-從原始碼開始建構](https://www.tensorflow.org/install/source?hl=zh-tw)
1. **將套件更新到最新狀態並安裝 curl**

    sudo apt update
    sudo apt full-upgrade
    sudo apt install curl

2. **安裝 bazel**
[Bazelisk ](https://github.com/bazelbuild/bazelisk)

    #Installing Bazel using Bazelisk
    #并且 Bazelisk 可以自动为 TensorFlow 下载合适的 Bazel 版本
    bazel version

3. **安裝 build 時所需套件**

    sudo apt install git

    sudo apt-get install python3-dev
    sudo apt-get install python3-pip

    pip3 install six
    pip3 install numpy
    pip3 install wheel
    pip3 install setuptools
    pip3 install mock

    //(use pip3, not pip)

    pip install -U --user 'future>=0.17.1'
    pip install -U --user keras_applications --no-deps
    pip3 install -U --user keras_preprocessing --no-deps

4. **clone tensorflow 原始碼**

    curl -LO https://github.com/tensorflow/tensorflow/archive/v2.5.0.tar.gz
    tar xvfz v2.5.0.tar.gz

    rm v2.5.0.tar.gz
    cd tensorflow-2.5.0

5. **設定 bazel 版本**

    bazel version
    # 顯示 Build label: 5.3.0

* 要確認bazel版本與原始碼配對正確，不然會產生Bazel Tensorflow installation from source: Unrecognized option: --host_force_python=py2類似[錯誤1](https://stackoverflow.com/questions/38052076/bazel-tensorflow-installation-from-source-unrecognized-option-host-force-pyt),[錯誤2](https://blog.csdn.net/sinat_28371057/article/details/115461105)。
* 有嘗試過[解決方案](https://stackoverflow.com/questions/61128502/troubles-with-bazel-and-building-tensorflow-on-ubuntu)，但後來還是採用了第2步中官方推薦的安裝方式才解決。
6. **設定 build 的一些設定**

    python3 ./configure.py

(可用在虛擬環境上)

* Please specify the location of python. 中, 輸入虛擬環境的python位址
* 剩下**詳細設定**參考 https://iter01.com/556024.html
* 當cuda/cudnn找不到(eg .[Could not load dynamic library 'libcudart.so.11.0'](https://github.com/tensorflow/tensorflow/issues/45930)) 時，可自行於設定時添加cuda正確位置：

        /lib,/lib/x86_64-linux-gnu,/usr,/usr/local/cuda,/usr/local/cuda/targets/x86_64-linux/lib,/home/sean/anaconda3/envs/dl_course_env/lib

7. **開始 build**

    # GPU支援
    bazel build --config=cuda //tensorflow/tools/pip_package:build_pip_package

    (build 大約會使用 24hr 左右)

* 完成後顯示

    # 建構套件
    ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

* 完成後顯示
---

8. **透過wheel安裝**

    # 進入虛擬環境後安裝
    
    pip3 install --user /tmp/tensorflow_pkg/tensorflow-2.11.0-cp38-cp38-linux_x86_64.whl