MacOS 下源码编译TensorFlow (GPU版本)

----2017-8-7 更新

在用cuda 8.0编译tensorflow r0.9b 版本的时候，会出现CUBLAS_DATA_HALF未定义的错误，相关解决方案Stack Overflow上面给出了，我将修改后的文件传到百度网盘了，后面如果

需要可以直接下载来看。

原文链接https://github.com/tensorflow/tensorflow/pull/2556/files

------2017-8-2 更新

之前编译TensorFlow 0.9 GPU版本成功，后来一直失败，是因为随着bazel 版本的变化，编写的规则也不一样，这个很是蛋疼。在Linux下和Mac下都试了一下，浪费了很多时间，看来以后得写好项目记录才行，不然会很降低效率。编译代码确实很费时间，在好的CPU和固态下，依然需要25-30分钟的时间吧，可能x299 平台的7900x CPU 会好很多。

TensorFlow r0.9编译时，会从GitHub和Google下载很多东西，所以此处需要科学上网才行。会下载protobuf 和grpc，所需的bazel 版本是0.3.0 之前0.3.2以及之后的版本都会报错。

后面根据官网的提示进行编译就好了。

楔子：这次编译源码可是费了劲了，确实是一个庞大的TensorFlow工程，代码量可想而知，所以编译起来就各种问题。

深度学习环境的选择无疑是Linux更好一点，很多框架、代码都是给出了在Ubuntu 下的案例讲解。

Windows 上也有一部分但是支持的不好，主要是通过Cmake 来进行编译，难度很大。

MacOS系统理论层面来说兼具Windows和Linux两大系统的优点，既有强大的包管理器，又有好用的终端，好用的命令行操作，同时，一些常用的软件一个都不少。比如说QQ ，wechat  office 百度网盘，迅雷，Photoshop 等各种软件。如果在Linux下进行开发工作，上面的软件使用起来很蛋疼，可以说几乎误解。这样就得来回切换系统，极不方便。之前的时候Windows 出了Linux子系统，虽然已经很好用了，但是有一些功能还是不能实现，比如说调用主机的硬件资源等等。所以MacOS就成为唯一一个比较好的选择。

说来化成，搭载macOS系统的Mac出奇的贵，买个性能强的，容量大的，这笔费用绝对特别多。所以我们只能选择黑苹果来进行尝试开发。黑苹果的安装很烦人。建议找淘宝，网速快的情况下，1小时就搞定了。毕竟术业有专攻，找别人快速的将系统安装好，是一个省时省力的功夫。如果私下里有时间，可以研究研究黑苹果。只用相对于白果很少的钱就能配到很高的配置。对于需要性能搞代码的人来说再好不过了。再者，现在黑苹果的技术已经很成熟，系统装完之后也比较稳定。还有一点比较良心的事，苹果虽然好几年都不用NVIDIA的显卡了，但是NVIDIA还一直给苹果出驱动，这点看来太良心了，尤其是10系显卡驱动，性能和显存的提升不可小觑。

言归正传，说起来编译TensorFlow ，CPU版本的相对来说容易很多，根据官方的教程一步步来就行，但是GPU版本的却一直有问题。现在记录如下：

（1）目前已知的是macOS下r1.1 分支的TensorFlow可以GPU成功编译。

（2）之前在Ubuntu编译过修改后的r0.9 版本，没有问题，现在却总出现问题，总是cross_tool的那个问题，在Stack Overflow 上面有人提出了，一直没有得到解决。

（3）官方在1.2版本之后仅仅支持Ubuntu的GPU版本。

所以Ubuntu上来说确实是最容易编译的，但是macOS上却有着不可替代的优势。

（4）编译过程中CPU满载，不知道是我这个机器散热不好的原因还是什么，编译过程会突然报错

，这时候继续编译就能过去，可能是两次三次四次。（Ubuntu和macOS下都有类似的情况）

（5）会出现下面这个错误

dyld: Library not loaded: @rpath/libcudart.8.0.dylib

解决办法如下：看了之后我就懵了，真是大神。

https://stackoverflow.com/questions/39865212/dyld-library-not-loaded-rpath-libcudart-8-0-dylib-while-building-tensorflow

之后就顺利生成.whl 文件，就可以愉快的安装了。

--2017-8-1

在配置Mac下的cuda 环境时（目前已知的可以安装的是之前Mac系统采用N卡的电脑或者黑苹果）。先要安装cuda驱动和cuda开发包，这个从NVIDIA 官网下载即可。然后将下面两行代码输入到.bash_profile 或者.zshrc 然后重启终端就行。

export PATH=/usr/local/cuda/bin:$PATH
export DYLD_LIBRARY_PATH=/usr/local/cuda/lib:$DYLD_LIBRARY_PATH