linux 下 tensorflow C++ CPU编译过程记录,已编译CPU库直接下载(测试ubuntu18.04、ubuntu20、debian10测试未发现依赖问题)
已编译好库在最下方。
背景(跳过，并没有什么用)
最近项目中要做一个NSFW检测，在网上找到一个别人训练好的tensorflow 的PB模型，但是代码是Python, 想用C++ 去调用这个模型，预测。
因为我觉得C++ 首先客户部署简单(和客户确定好libc基础下)，只需要整理好相关.so文件，不像python,除了搭建环境外，还需要通过pip安装很多依赖。客户操作步骤越多，就越容易部署过程中出问题。
之所以写这篇随笔，主要因为在百度搜索tensorflow编译时，大部分都在说直接系统下编译，这样很可能会出现问题，因为每个linux发行版的glibc、gcc默认安装版本会有区别，比如我本机使用debian 10,在apt-get install gcc时，会装gcc 11,如果是ubuntu 18 apt-get install gcc时, 会装gcc7。
我一开始也是在本机中使用gcc11编译，喜提gcc编译错误。
这一点在官网中有声明：https://tensorflow.google.cn/install/source?hl=zh_cn
也就是说，最好使用gcc7版本进行编译。
如果你当前是ubuntu，可以尝试在本机编译，如果其他发行版，强烈建议docker 内下载ubuntu 编译，编译完成后，取出so库到生产环境。
经测试, debian10、ubuntu 18.04、ubuntu 20.04，在docker ubuntu 18.04环境下编译出来的tensorflow库，可以直接使用。
首先，建议使用随笔最下方提供的链接，下载已编译好的SO库，和整理好的头文件，尝试直接调用。
整体步骤
强烈建议docker 内下载ubuntu 编译
0. 真机扩大内存，可以动态生成swap文件： swapon swap文件路径添加swap内存，具体百度
1. 安装docker、下载ubuntu 18.04 (docker pull ubuntu:18.04)
2. 进入虚拟环境，搭建安装编译所需要的bazel、gcc、g++、python3、python3-dev、git...
3. git 拉取指定版本tensorflow
4. 执行tensorflow 中的configure程序，生成构建文件。
5. bazle 编译
6. 使用docker cp，把docker内ubuntu中编译好的so库提取到生产环境。
编译环境
因为是在docker中构建的，所以就不过多介绍真机环境
tensorflow： 1.15.4
bazel: 3.1.0
bazel 下载慢，可以使用华为云镜像: https://mirrors.huaweicloud.com/bazel/
docker: ubuntu 18.04
内存: 8G, 交换空间(磁盘空间当内存): 8G
主要注意一下内存，必须10G以上，因为bazel编译时，会时不时占用很大内存，如果内存不够用电脑就会因为内存不够卡死。
在tensorflow官网中介绍构建时使用 --local_ram_resources=2048 参数限制内存在2G左右，但我尝试了一下并没有效果。
gcc: 7.5.0
初始化环境
使用docker 进入ubuntu 容器,执行：
apt-get update apt-get install git python3 python3-dev vi wget unzip python3-pip # 编译时会涉及到python脚本执行，用到了numpy pip3 install numpy # 建立python3软连接,python 脚本执行，默认使用python命令 ln -s /usr/bin/python3 /usr/bin/python
拉取项目：
git clone -b v1.15.4 https://gitee.com/mirrors/tensorflow.git
下载bazel：
我使用的是tensorflow 1.15.4, bazel版本是: 3.1.0。
如果不清楚该使用什么版本bazel,可以先随意下载一个版本，执行./configure，如果版本不对，会告诉当前bazel版本不对，应使用那个版本。
通过wget 下载以上两个文件中其中一个，一个是安装sh脚本，一个是可执行二进制文件:
wget https://mirrors.huaweicloud.com/bazel/3.1.0/bazel-3.1.0-installer-linux-x86_64.sh chmod +x bazel-3.1.0-installer-linux-x86_64.sh ./bazel-3.1.0-installer-linux-x86_64.sh
ps: 使用脚本安装，要保证本机已安装unzip，上方搭建环境中已把unzip加入到其中
生成编译文件
# 进入tensorflow 项目目录下，执行
./configure
一路回车，主要是选择Python路径、GPU选项等等
开始编译
1. 编译前，要确保内存(物理内存+交换空间swap)在10G以上，最好16G，不然会编译时耗尽内存卡死，最后被系统杀死
2. 编译过程中，会去github仓库下载项目，由于国内github不稳定，这个过程是很容易出错的，出错内容不仅仅是timeout，有可能是no search xxx，当出错后，反复多尝试几次
建议白天编译，晚上早上好像github会很慢。如果有条件，da梯子编译最好。
3. 当你到达这一步的时候，那么恭喜你，编译过程最困难的地方已经结束了，到这里基本不会有其他问题了（保证是GCC7）。
4. 建议在机器性能好的环境下编译，不然编译会很慢
bazel build --config=opt //tensorflow:libtensorflow_cc.so
ps: 注意，//tensorflow:libtensorflow_cc.so 不是注释，这也是bazel参数一部分！！一定要复制全了，不能光是bazel build --config=opt
提出库文件
编译成功后，进入bazel-bin/tensorflow目录下，正常情况会有so库文件:
进入tensorflow/bazel-bin/tensorflow 下把库打包，通过docker cp 复制到宿主机环境:
tar -zcvf lib.tar *.so*
宿主机下:
docker cp {docker 容器ID}:/{bazel编译路径}/lib.tar /{宿主机目录}
已编译库链接
链接: https://quqi.avyeld.com/s/6273754/oBIsB31RssXZ5s4D
解压后执行build.sh，通过g++ 构建hello world程序，需要把libtensorflow_cc.so.2.5.0和libtensorflow_framework.so.2.5.0放到系统库目录下。
g++11，使用此库构建成功。
20220309补充:
经过验证， 用以上方式，可以成功编译当前最新的tensorflow 2.8.0，so库链接: https://quqi.avyeld.com/s/6273754/G7SecxSZd3Ksdf3a
如果想获取库头文件，跳转: https://www.cnblogs.com/GengMingYan/p/15967489.html
