1.TensorBoard
Tensorboard是一套用于查看和理解TensorFlow运行情况的工具,有时可能现有的功能并不能满足我们当前的需求,那么则需要我们对Tensorboard进行定制化开发,定制化的第一步就是编译源码。
TensorBoard已在github上开源,我们可以通过https://github.com/tensorflow/tensorboard获取到完整的代码。包括TensorBoard在内,Google的很多项目都是使用Bazel进行编译的,接下来我们进行相关环境的安装。
2.Bazel
Bazel类似于Make、Maven、Gradle,是一款开源的编译和测试工具。它使用一种人类可读的高级构建语言。Bazel支持多种开发语言,并且可以为不同平台进行构建。同时,Bazel支持跨越多用户、多仓库的大型代码库。
Bazel的安装可参考https://docs.bazel.build/versions/master/install-ubuntu.html,本文以Ubuntu为例介绍Bazel的安装过程。
1)通过安装包方式安装
首先,安装所需的包
sudo apt-get install pkg-config zip g++ zlib1g-dev unzip python
在Github下载Bazel的安装包,Linux下需要下载 bazel-
修改安装包的权限,运行安装包
chmod +x bazel--installer-linux-x86_64.sh ./bazel- -installer-linux-x86_64.sh --user
增加环境变量
export PATH="$PATH:$HOME/bin"
也可以放入~/.bashrc中
vim ~/.bashrc source ~/.bashrc
2)使用apt仓库
安装JDK 8,建议通过官网安装,或者安装openjdk
sudo apt-get install openjdk-8-jdk
增加仓库源
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -
安装bazel
sudo apt-get update && sudo apt-get install bazel
安装之后,可以通过upgrade直接更新到最新版本
sudo apt-get upgrade bazel
3.代码编译
由于使用tensorboard需要python3,我们将linux自带的python切换为python3
echo alias python=python3 >> ~/.bashrc source ~/.bashrc
在github中将代码下载下来,或者通过git直接拉取
git@github.com:tensorflow/tensorboard.git
用高版本bazel编译tensorboard存在一个bug,虽然官方已经修复但是没有发布release,因此修改我们手动修改。
修改WORKSPACE,搜索io_bazel_rules_closure,修改为
http_archive( name = "io_bazel_rules_closure", sha256 = "b29a8bc2cb10513c864cb1084d6f38613ef14a143797cea0af0f91cd385f5e8c", strip_prefix = "rules_closure-0.8.0", urls = [ "https://mirror.bazel.build/github.com/bazelbuild/rules_closure/archive/0.8.0.tar.gz", "https://github.com/bazelbuild/rules_closure/archive/0.8.0.tar.gz", # 2018-05-09 ], )
打开终端,进入项目目录下,输入
bazel build tensorboard:tensorboard
看到 Build completed successfully 说明编译成功
然后输入
./bazel-bin/tensorboard/tensorboard --logdir
看到 TensorBoard 1.10.0 at http://host:6006 (Press CTRL+C to quit) 说明启动成功
打开浏览器,输入localhost:6006就可以看到我们编译好的TensorBoard了。
至此,TensorBoard的编译已经完成,接下来就可以进行自定义的开发了,注意要遵循Apache License 2.0许可喔~
以上这篇使用Bazel编译TensorBoard教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。