安装深度学习框架

CANN 5.0.3 软件安装指南 01

评分并提供意见反馈 :

华为采用机器翻译与人工审校相结合的方式将此文档翻译成不同语言，希望能帮助您更容易理解此文档的内容。请注意：即使是最好的机器翻译，其准确度也不及专业翻译人员的水平。华为对于翻译的准确性不承担任何责任，并建议您参考英文文档（已提供链接）。

安装深度学习框架

若用户仅进行离线推理，请跳过此章节。

本文档以TensorFlow为例介绍安装深度学习框架的步骤，如果用户要使用MindSpore框架，请登录https://www.mindspore.cn/install获取安装MindSpore框架的方法。如果用户要使用PyTorch框架，请参见《PyTorch安装指南》。

安装前准备

对于x86架构，跳过安装前准备。

对于aarch64架构。
- 由于tensorflow依赖h5py，而h5py依赖HDF5，需要先编译安装HDF5，否则使用pip安装h5py会报错，以下步骤以root用户操作。
- 由于tensorflow依赖grpcio，建议在安装tensorflow之前指定版本安装grpcio，否则可能导致安装失败。

编译安装HDF5。
1. 使用wget下载HDF5源码包，可以下载到安装环境的任意目录，命令为：
```
wget https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.5/src/hdf5-1.10.5.tar.gz --no-check-certificate
```
2. 进入下载后的目录，解压源码包，命令为：
```
tar -zxvf hdf5-1.10.5.tar.gz
```
  进入解压后的文件夹，执行配置、编译和安装命令：
```
cd hdf5-1.10.5/
./configure --prefix=/usr/include/hdf5
make
make install   
```

配置环境变量并建立动态链接库软连接。

配置环境变量。

export CPATH="/usr/include/hdf5/include/:/usr/include/hdf5/lib/"

root用户建立动态链接库软连接命令如下，非root用户需要在以下命令前添加sudo。

ln -s /usr/include/hdf5/lib/libhdf5.so  /usr/lib/libhdf5.so
ln -s /usr/include/hdf5/lib/libhdf5_hl.so  /usr/lib/libhdf5_hl.so

安装h5py。
root用户下安装h5py依赖包命令如下。
```
pip3.7 install Cython
```
安装h5py命令如下：
```
pip3.7 install h5py==2.8.0
```
安装grpcio。
root用户下安装grpcio命令如下。
```
pip3.7 install grpcio==1.32.0
```

安装Tensorflow

需要安装Tensorflow才可以进行算子开发验证、训练业务开发。

对于x86架构：直接从pip源下载即可，系统要求等具体请参考https://www.tensorflow.org/install/pip?lang=python3。需要注意tensorflow官网提供的指导描述有误，从pip源下载cpu版本需要显式指定tensorflow-cpu，如果不指定cpu，默认下载的是gpu版本。安装命令参考如下：
如下命令如果使用非root用户安装，需要在安装命令后加上--user，例如：pip3 install tensorflow-cpu==1.15 --user
- 安装Tensorflow 1.15
```
pip3 install tensorflow-cpu==1.15
```
- 安装Tensorflow 2.4
```
pip3 install tensorflow-cpu==2.4
```
对于aarch64架构：由于pip源未提供对应的版本，所以需要用户使用官网要求的linux_gcc7.3.0编译器编译tensorflow1.15.0，编译步骤参考官网https://www.tensorflow.org/install/source。特别注意点如下。
在下载完tensorflow tag v1.15.0源码后执行需要如下步骤。

下载“nsync-1.22.0.tar.gz”源码包。

进入tensorflow tag v1.15.0源码目录，打开“tensorflow/workspace.bzl”文件，找到其中name为nsync的“tf_http_archive”定义。

    tf_http_archive(
        name = "nsync",
        sha256 = "caf32e6b3d478b78cff6c2ba009c3400f8251f646804bcb65465666a9cea93c4",
        strip_prefix = "nsync-1.22.0",
        system_build_file = clean_dep("//third_party/systemlibs:nsync.BUILD"),
        urls = [           "https://storage.googleapis.com/mirror.tensorflow.org/github.com/google/nsync/archive/1.22.0.tar.gz",
            "https://github.com/google/nsync/archive/1.22.0.tar.gz",
        ],
    )

从urls中的任一路径下载nsync-1.22.0.tar.gz的源码包，保存到任意路径。

修改“nsync-1.22.0.tar.gz”源码包。

切换到nsync-1.22.0.tar.gz所在路径，解压缩该源码包。解压缩后存在“nsync-1.22.0”文件夹。

编辑“nsync-1.22.0/platform/c++11/atomic.h”。

在NSYNC_CPP_START_内容后添加如下加粗字体内容。

#include "nsync_cpp.h"
#include "nsync_atomic.h"

NSYNC_CPP_START_

#define ATM_CB_() __sync_synchronize()

static INLINE int atm_cas_nomb_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_relaxed, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_acq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acquire, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_rel_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_release, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}
static INLINE int atm_cas_relacq_u32_ (nsync_atomic_uint32_ *p, uint32_t o, uint32_t n) {
    int result = (std::atomic_compare_exchange_strong_explicit (NSYNC_ATOMIC_UINT32_PTR_ (p), &o, n, std::memory_order_acq_rel, std::memory_order_relaxed));
    ATM_CB_();
    return result;
}

重新压缩“nsync-1.22.0.tar.gz”源码包。
将上个步骤中解压出的内容压缩为一个新的“nsync-1.22.0.tar.gz”源码包，保存（假如保存在“/tmp/nsync-1.22.0.tar.gz”）。
重新生成“nsync-1.22.0.tar.gz”源码包的sha256sum校验码。
sha256sum /tmp/nsync-1.22.0.tar.gz

执行如上命令后得到sha256sum校验码（一串数字和字母的组合）

修改sha256sum校验码和urls。

进入tensorflow tag v1.15.0源码目录，打开“tensorflow/workspace.bzl”文件，找到其中name为nsync的“tf_http_archive”定义，其中“sha256=”后面的数字填写4得到的校验码，“urls=”后面的列表第一行，填写存放“nsync-1.22.0.tar.gz”的file://索引。

    tf_http_archive(
        name = "nsync",
        sha256 = "caf32e6b3d478b78cff6c2ba009c3400f8251f646804bcb65465666a9cea93c4",
        strip_prefix = "nsync-1.22.0",
        system_build_file = clean_dep("//third_party/systemlibs:nsync.BUILD"),
        urls = [
            "file:///tmp/nsync-1.22.0.tar.gz ",            "https://storage.googleapis.com/mirror.tensorflow.org/github.com/google/nsync/archive/1.22.0.tar.gz",
            "https://github.com/google/nsync/archive/1.22.0.tar.gz",
        ],
    )

继续从官方的“配置build”（https://www.tensorflow.org/install/source）执行编译。
执行完./configure之后，需要修改 .tf_configure.bazelrc 配置文件，添加如下一行build编译选项：
```
build:opt --cxxopt=-D_GLIBCXX_USE_CXX11_ABI=0
```
删除以下两行：
```
build:opt --copt=-march=native 
build:opt --host_copt=-march=native
```
继续执行官方的编译指导步骤（https://www.tensorflow.org/install/source）即可。
安装编译好的Tensorflow。
以上步骤执行完后会打包Tensorflow到指定目录，进入指定目录后root用户执行如下命令安装Tensorflow1.15：
```
pip3.7 install tensorflow-1.15.0-cp37-cp37m-linux_aarch64.whl
```
非root用户执行如下命令：
```
pip3.7 install tensorflow-1.15.0-cp37-cp37m-linux_aarch64.whl --user
```

安装前准备
安装Tensorflow

翻译

English

下载文档

更新时间：2022-04-07

文档编号：EDOC1100219211

浏览量：19705

下载量：224

平均得分:

本文档适用于这些产品

数字签名

数字签名验证工具

安装前准备

安装Tensorflow

相关版本

相关文档

数字签名