一、前言
我们都知道，普通使用pip安装的TensorFlow是万金油版本，当你运行的时候，会提示你不是当前电脑中最优的版本，特别是CPU版本，没有使用指令集优化会让TensorFlow用起来更慢。
但是在编译之中，发现很多坑，由此记录一下。
环境相关：
系统：centos7
python版本：2.7.5
二、准备
1. 安装相关依赖
# 一般会缺失的依赖yum -y install java-1.8.0-openjdk-devel automake autoconf libtool libicu gcc-c++
2. pip安装相关库
# python 相关，连接境外源较慢，建议更换成国内源，比如 douban 等pip install --upgrade pippip install numpy grpcio Keras-Applications Keras-Preprocessing h5py requests enum
3. 查看可优化的信息
直接使用pip安装TensorFlow并运行随便一个TensorFlow相关程序，如果出现以下内容则需要优化相关指令集：
将这些信息记录下来，后面会用到。
4. 安装Bazel
Bazel是编译TensorFlow的工具，首先下载repo文件：
进入网页 选择自己系统的版本并下载，我的系统是centos7，直接执行命令：
wget https://copr.fedorainfracloud.org/coprs/vbatts/bazel/repo/epel-7/vbatts-bazel-epel-7.repo
复制到yum.repos.d目录并安装：
cp vbatts-bazel-epel-7.repo /etc/yum.repos.d/yum install bazel
5. 下载TensorFlow源码
输入命令：
git clone --recurse-submodules https://github.com/tensorflow/tensorflow
如果没安装git，直接安装一下就行了：
yum -y install git
准备工作到此结束。
三、编译
1. 配置编译
进入源码目录并配置：
cd tensorflow/./configure
刚开始会出现让你选择python的一些路径的，输入正确的安装目录就行了。
然后会出现一堆“Do you wish to build TensorFlow with…”的提示，安装自己的情况去选择，不确定的直接回车就行了，不过因为编译的是CPU版本，所以GPU那里需要选n，其他根据实际情况去选择。
最后是一堆配置选择，也是直接回车，默认就可以了。
2. 开始编译
根据pip安装的TensorFlow，运行时提示的优化信息，作为优化参数，根据自己的情况输入命令：
bazel build -c opt --copt=-msse4.1 --copt=-msse4.2 //tensorflow/tools/pip_package:build_pip_package
注意这里的优化参数一定要填正确，要不然CPU不支持，但编译了，到时候用的时候有可能会报错。注意这是一个很慢很慢的过程，请耐心等待。编译界面如下。
不过编译期间当然会出现各种错误，譬如我就遇到找不到python相关的头文件的，最后发现都在/usr/include/python2.7/ 目录里，而代码中指向的是/usr/include/，所以只得把python2.7目录里的头文件复制一份到母目录。此外还有很多错误，这个只能根据自己的系统和环境，一个个去解决了，此处省略一万字。
ps：如果编译一般发现之前的参数错了，先clean一下编译输出文件再编译：
bazel clean
不然会出现很奇怪的问题。
如果顺利，编译会经历一个极其漫长的过程，可以先泡杯茶喝喝。
3. 创建whl文件
编译完成后在tensorflow下会创建很多符号连接，譬如bazel-bin，运行以下命令创建whl文件：
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
输出如下图所示：
至此，编译并生成whl过程才算完成，最后得到文件tensorflow-1.12.0rc0-cp27-cp27mu-linux_x86_64.whl，根据不同的平台名字会不大一样。
四、安装
1. 卸载直接用pip直接安装的版本
pip uninstall tensorflow
2. 使用pip安装之前生成的whl文件
pip install /tmp/tensorflow_pkg/tensorflow-1.12.0rc0-cp27-cp27mu-linux_x86_64.whl
如无意外，就安装完成了，输出如下图所示：
3. 测试
运行TensorFlow相关代码，如果没有优化提示，证明一切正常。
>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print sess.run(hello)Hello, TensorFlow!>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print sess.run(a+b)42>>> exit()
五、参考
1.
2.
（完）