非root用户 Tensorflow C++ api 开发配置

系统：Ubuntu 16.04.5 LTS (GNU/Linux 4.4.0-116-generic x86_64)
内容主要来源自PROoshio的博客
有改动

1. 安装tensorflow(测试系统基本环境)
   pip2.7 install tensorflow --user (根据要使用的python版本)
   这一步的目的是测试电脑的基本环境，比如cuda是否有正确的配置
   进入Python，import tensorflow看是否成功，如果报错，根据错误解决

#cuda配置补充（根据具体版本来）
export PATH=/usr/local/cuda-9.0:$PATH$$
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH$

2. 安装JDK8（为安装Bazel的做准备）
   百度搜索JDK8，在ORACLE官网下载
   我下载的版本
   image.png
   解压，添加环境变量
   在$HOME/.bashrc中根据实际情况写入路径

export JAVA_HOME="$HOME/zhou_tf/jdk1.8.0_171"  
export JAVA_BIN=$JAVA_HOME/bin 
export JAVA_LIB=$JAVA_HOME/lib 
export CLASSPATH=.:$JAVA_LIB/tools.jar:$JAVA_LIB/dt.jar 
export PATH=$JAVA_BIN:$PATH

3. 安装Bazel（Bazel是类似Cmake的编译工具，在Google内部广泛使用）
   各版本地址release，本文为0.15.0(到底装哪个版本去tensorflow的github里搜索bazel，可以找到版本信息)，下载好.sh文件之后执行一下命令:

chmod +x bazel-<version>-installer-linux-x86_64.sh
./bazel-<version>-installer-linux-x86_64.sh --use

此时看是否在用户目录下生成了bin目录
添加环境变量
在 ~/.bashrc文件的末尾添加

export PATH=$HOME/bin:$PATH
source ~/.bashrc

4. 安装Eigen（C++api中的Tensor由Eigen实现）
   去github tensorflow的tensorflow/tensorflow/workspace.bzl里找到适配版本的下载链接：

tf_http_archive(
name = "eigen_archive",
    urls = [
        "https://mirror.bazel.build/bitbucket.org/eigen/eigen/get/fd6845384b86.tar.gz",
        "https://bitbucket.org/eigen/eigen/get/fd6845384b86.tar.gz",
    ],
    sha256 = "d956415d784fa4e42b6a2a45c32556d6aec9d0a3d8ef48baee2522ab762556a9",
    strip_prefix = "eigen-eigen-fd6845384b86",
    build_file = clean_dep("//third_party:eigen.BUILD"),
)

下载其中任何一个链接都可，下载好之后解压：
把文件夹eigen-eigen-fd6845384b86改名为Eigen3
在$HOME/.bashrc后面添加

export CPLUS_INCLUDE_PATH="$HOME/Eigen3/:$CPLUS_INCLUDE_PATH"
export CPLUS_INCLUDE_PATH="$HOME/Eigen3/Eigen/:$CPLUS_INCLUDE_PATH"

5. 安装protobuf
   与安装Eigen同样的套路，去gitbub里寻找版本，选其一下载

tf_http_archive(
    name = "protobuf_archive",
    urls = [
        "https://mirror.bazel.build/github.com/google/protobuf/archive/v3.6.0.tar.gz",
        "https://github.com/google/protobuf/archive/v3.6.0.tar.gz",
    ],
    sha256 = "50a5753995b3142627ac55cfd496cebc418a2e575ca0236e29033c67bd5665f4",
    strip_prefix = "protobuf-3.6.0",

下载好后进入protobuf目录输入以下命令安装

./autogen.sh

如果报出下面错误

./autogen.sh: 32: ./autogen.sh: autoreconf: not found

请管理员执行

sudo apt-get install autoconf automake libtool

自己再执行

./configure --prefix=$HOME/tools/protobuf_bin (自己新建的目录)
make 
make install 

make可以根据cpu情况加上 -j4或 -j8
编译好后添加环境变量（根据自己的安装路径来）

export PATH=$PATH:$HOME/tools/protobuf_bin/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/tools/protobuf_bin/lib
export CPLUS_INCLUDE_PATH="/home/zhouxd/tools/protobuf_bin/include"

6. 安装nsync
   同样的套路，去gitbub里寻找版本，选其一下载

tf_http_archive(
    name = "nsync",
    urls = [
        "https://mirror.bazel.build/github.com/google/nsync/archive/1.20.0.tar.gz",
        "https://github.com/google/nsync/archive/1.20.0.tar.gz",
    ],
    sha256 = "0c1b03962b2f8450f21e74a5a46116bf2d6009a807c57eb4207e974a8c4bb7dd",
    strip_prefix = "nsync-1.20.0",
)

再添加环境路径即可：

export CPLUS_INCLUDE_PATH="$HOME/tools/nsync-1.20.0/public:$CPLUS_INCLUDE_PATH"

记得让环境变量生效

source ~/.bashrc

7. 编译tensorflow
   进入tensorflow下载目录，输入以下命令：

./configure

提示你进行配置，除了cuda支持选yes其他全部选no
然后其它都默认

bazel build //tensorflow:libtensorflow_cc.so

在tensorflow-master/ bazel-bin/ tensorflow下就会看到libtensorflow_cc.so和libtensorflow_framework.so两个动态库；
bazel-bin是隐藏目录，如果看不到用ls -a显示
有了这两个动态库，就可以进行C++api的开发了。