TensorFlow集成KTFOP

适配步骤

1. 请参见《鲲鹏数学库 开发指南》的“安装配置环境”章节安装2.4.0 GCC版本的鲲鹏数学库，程序运行使用数学库的KML_BLAS模块。
2. 请参见《Tensorflow 移植指导（Tensorflow 1.15.5）》的“配置编译环境”章节准备Tensorflow的编译环境。
3. 获取TensorFlow v1.0.0版本适配代码。

   1	git clone -b v1.0.0 https://gitee.com/openeuler/sra_tensorflow_adapter.git

4. 进入“sra_tensorflow_adapter”目录。

   1	cd sra_tensorflow_adapter

5. 安装编译依赖。

   1 2 3 4 5 6

   pip3 install wheel pip3 install Cython==0.29.14 pip3 install numpy==1.18.5 --no-build-isolation pip3 install h5py==2.10.0 pip3 install protobuf==3.19.0 pip3 install keras_preprocessing==1.1.2

6. 若之前加载过环境变量配置，则可跳过该步骤。根据实际安装路径设置Bazel和Python环境变量。例如：

   1 2 3

   export PATH=/path/to/bazel/bazel-0.26.1/output:$PATH export PATH=/usr/local/python3.7.5/bin:$PATH export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH

7. 编译TensorFlow。

   1	sh build.sh

   Tensorflow whl包路径为：“out/tensorflow-1.15.0-cp37-cp37m-linux_aarch64.whl”

   其依赖库的路径如下：

   • KTFOP库相关so路径：

     “/usr/local/sra_inference/lib/neon/libktfop.so”

   • 数学库KML 2.4版本so路径默认为：“/usr/local/kml/lib/kblas/locking/libkblas.so”
   • 数学库KML 2.5版本so路径默认为：“/usr/local/kml/lib/neon/kblas/locking/libkblas.so”
     

     用户可根据需要，设置KBLAS_LIB_DIR环境变量，自行选择KML_BLAS库编译。例如，使用数学库KML 2.5版本使能NEON特性的BLAS库：

     1	export KBLAS_LIB_DIR=/usr/local/kml/lib/neon/kblas/locking

8. 安装TensorFlow pip软件包。

   1	pip3 install out/tensorflow-1.15.0-cp37-cp37m-linux_aarch64.whl

安装Tensorflow过程中遇到报错请参考Tensorflow 移植指导（Tensorflow 1.15.5）的“故障排除”章节解决。

适配后验证

TensorFlow 1.15.0编译安装完成后使用自带样例进行基本功能的验证。本文使用自带样例中的图像识别样例来验证TensorFlow的基本功能。

1. 版本验证，在TensorFlow非源码目录下执行。

   1	python3 -c "import tensorflow as tf; print(tf.__version__)"

   

   回显信息显示，版本号为1.15.0。

2. 基本功能验证。
   以TensorFlow自带样例图像识别为例。

   1. 进入sra_tensorflow_adapter源码编译规划路径。

      1	cd /path/to/sra_tensorflow_adapter

   2. 获取模型数据和验证数据。

      1 2	curl -L "https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz" | tar -C tensorflow/examples/label_image/data -xz wget -P tensorflow/examples/label_image/data/ https://www.tensorflow.org/images/cropped_panda.jpg --no-check-certificate

   3. 在非编译目录执行测试用例。

      1	python3 tensorflow/examples/label_image/label_image.py --image=tensorflow/examples/label_image/data/cropped_panda.jpg

      

      回显信息显示，将图片“tensorflow/examples/label_image/data/cropped_panda.jpg”识别为giant panda类别的概率最大。

      

      更多测试信息请参见：https://github.com/tensorflow/tensorflow/blob/v1.15.0/tensorflow/examples/label_image/README.md。