官方教程说得基本差不多了，然而在此基础上编译还是会出问题，因此做一些补充。
环境准备
1. Python & Pip
首先是Python需要安装一些包，除了官方说的six、numpy、wheel、keras_applications和keras_preprocessing，还需要setuptools（虽然这是个基础包，但是我习惯用虚拟环境了，忘了装……）。因此安装命令如下：
pip install six numpy wheel setuptools
pip install keras_applications==1.0.6 --no-deps
pip install keras_preprocessing==1.0.5 --no-deps
注意，Python路径中不能出现空格，即Windows下默认安装路径C:\Program Files\Python38会在编译时报错，因此如果装到了这个路径，需要在一个没有空格的目录下创建一个链接（不是快捷方式），用mklink命令。
2. CUDA
这里选的CUDA 10.2，CUDA官网下载安装，没什么好说的。
不过需要注意，TensorFlow 2.2配置时能正确找到CUDA 10.2的路径，编译时却只会去找CUDA_PATH_V10_1这个环境变量，需要手动在系统环境变量里指定这个到CUDA 10.2的路径（跟CUDA自己创建的CUDA_PATH_V10_2一致即可）。
3.Bazel
然后是Bazel，bazel很简单，就一个exe，需要设置环境变量给到Path下，我偷懒直接放到CUDA的bin目录下。
4. MSYS2
再安装MSYS2，同样需要给msys64\usr\bin目录设置环境变量。
装好后再安装一些包，用的是pacman，由于默认源极慢极慢，所以建议国内换清华源。
进到msys64\etc\pacman.d目录下，修改三个mirrolist，分别在各自所有Server行前加一行：
mirrorlist.msys：
Server = https://mirrors.tuna.tsinghua.edu.cn/msys2/msys/$arch
mirrorlist.mingw32：
Server = https://mirrors.tuna.tsinghua.edu.cn/msys2/mingw/i686
mirrorlist.mingw64：
Server = https://mirrors.tuna.tsinghua.edu.cn/msys2/mingw/x86_64
官方教程少提了一个zip包，因此安装命令如下：
pacman -S git patch unzip zip
5. Visual Studio 2019
然后是VS，下载VS安装器，必须装到C盘默认路径，否则即使设置了BAZEL_VC等环境变量，Bazel也会找不到编译器（弱智一样的bug），如果非VS用户，只需安装除必选组件外的MSVC v142 - VS 2019 C++ x64/x86生成工具（随便一个，我选的最新版本）和Windows 10 SDK（同样随便，我选的最新的）。
编译
配置编译
下载TensorFlow 2.2源码，进入解压后的根目录，执行
python ./configure.py
会出来一个个选项，先设置Python路径，如果上面创建了链接，这里就需要指定，pip路径会根据Python路径选，一般默认即可。
然后是是否启用ROCm，默认否（这是A卡对标N卡CUDA的框架，希望未来能有所发展，别再跟OpenCL一样挂了）。
然后是否启用CUDA，选择启用。
接下来是配置CUDA兼容性，默认即可（也不要修改，多个版本无法识别，后续会说怎么改）。
再就是指定优化架构，高版本的CPU可以修改为/arch:AVX2。
重写强内联就默认启用即可。
这时会在根目录下生成一个.tf_configure.bazelrc文件，存储刚写的配置，打开它，会有一行配置CUDA兼容性的：
build --action_env TF_CUDA_COMPUTE_CAPABILITIES="3.5,7.0"
TensorFlow 2.2最低适配版本是3.5，所以为了提高兼容性，我把3.5以上的全部囊括：
build --action_env TF_CUDA_COMPUTE_CAPABILITIES="3.5,3.7,5.0,5.2,6.0,6.1,7.0,7.5"
另外，不要修改默认的C++ 14编译标准，修改为C++ 17会报错。
启动编译
构建pip包：
bazel build --config=opt --config=cuda --define=no_tensorflow_py_deps=true //tensorflow/tools/pip_package:build_pip_package
bazel-bin\tensorflow\tools\pip_package\build_pip_package.exe tfpy
第一行编译，耗时极长。
第二行构建包，会在源码根目录下创建tfpy文件夹，成功后whl包就会放到这个文件夹下，文件夹名字随意。
构建C库：
bazel build --config=opt --config=cuda //tensorflow/tools/lib_package:libtensorflow
会在源码根目录\bazel-bin\tensorflow\tools\lib_package下创建libtensorflow.tar.gz压缩包，包内就是TensorFlow的头文件和dll动态库。
结果获取
pip安装包：tensorflow-2.2.0-cp38-cp38-win_amd64.whl（466.62MB）
pip安装包流量管家版：tensorflow-2.2.0-cp38-cp38-win_amd64.rar（153.37MB，使用方法见压缩包注释）
C库：libtensorflow-2.2.0.rar（110.90MB）
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
