本章节提供基础版本、开启ACL特性版本、适配TensorFlow v1.x特性版本和开启NUMA特性版本四种编译安装TensorFlow 2.13.0的场景和方法，请根据实际情况选择对应的编译命令。

获取TensorFlow 2.13.0版本源码。
1. 在本地浏览器下载TensorFlow源码。
  下载地址：https://github.com/tensorflow/tensorflow/archive/refs/tags/v2.13.0.zip
  
  下载得到的源码压缩包是tensorflow-2.13.0.zip。
2. 将源码上传至服务器。
若服务器可以访问网络，则可以直接在服务器上使用wget命令下载源码。
1
wget -O tensorflow-2.13.0.zip https://github.com/tensorflow/tensorflow/archive/refs/tags/v2.13.0.zip --no-check-certificate

安装依赖组件。

yum install patchelf perl python3-devel
pip3 install numpy==1.24.3
pip3 install packaging
pip3 install requests
pip3 install wheel
export C_INCLUDE_PATH=/usr/include/python3.9:$C_INCLUDE_PATH
export CPLUS_INCLUDE_PATH=/usr/include/python3.9:$CPLUS_INCLUDE_PATH

上述配置环境变量命令中的路径“/usr/include/python3.9”为Python.h所在目录，以实际编译环境中的路径为准。

解压TensorFlow安装包。
1
unzip tensorflow-2.13.0.zip
解压后的目录为“tensorflow-2.13.0”。
进入“tensorflow-2.13.0”目录。
1
cd tensorflow-2.13.0
执行configure，设置配置选项。
1
./configure
configure配置过程步骤解析：
1. 确认可执行程序Python的位置。
  1
  Please specify the location of python. [Default is /usr/bin/python3]:
  如果python3路径和上述默认相同，直接按“Enter”确认；否则，请输入正确的python3路径。
2. 确认Python lib库的位置。
  1
  Please input the desired Python library path to use. Default is [/home/xxx/test]
  如Python lib路径和上述默认相同，直接按“Enter”确认；否则，请输入正确的Python lib库的路径。
3. 确认是否配置ROCm特性。
  ROCm是指AMD的开源GPU加速计算平台，它可以在AMD的GPU上实现高性能计算。如果TensorFlow运行在AMD的GPU上，可以选择“y”；否则选择“N”。
  1
  Do you wish to build TensorFlow with ROCm support? [y/N]:
  本文选择“N”。
  1
  No ROCm support will be enabled for TensorFlow.
4. 确认是否配置CUDA特性。
  CUDA是英伟达公司推出的一种并行计算平台和编程模型，它可以利用GPU的并行计算能力加速各种科学计算、图形处理、深度学习等应用程序。是否希望使用CUDA支持构建，如果需要则选择“y”；否则选择“N”。
  1
  Do you wish to build TensorFlow with CUDA support? [y/N]:
  本文选择“N”。
  1
  No CUDA support will be enabled for TensorFlow.
5. 确认是否配置最新的clang编译器。
  如果编译环境上已有clang编译器，可以选择“N”；否则选择“y”。
  1
  Do you wish to download a fresh release of clang? (Experimental) [y/N]:
  本文选择“N”。
  1
  Clang will not be downloaded.
6. 配置编译选项。
  1
  Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]:
  直接按“Enter”确认。
7. 在构建Android应用程序时，确认是否设置工作空间。
  构建非Android应用程序时，选择“N”；否则选择“y”。
  1
  "Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]:"
  本文选择“N”。
  1
  Not configuring the WORKSPACE for Android builds.

编译TensorFlow。

表1 部分扩展特性参数说明（详细配置请参见源码目录下的.bazelrc文件）
config参数	描述
--config=mkl_aarch64	集成oneDNN和Arm架构计算库（ACL）特性。
--config=numa	集成NUMA特性。
--config=v1	使用TensorFlow 1.x版本的API替换TensorFlow 2.x版本的API。

从源码构建TensorFlow会在路径/root/.cache/bazel下产生编译临时文件，确保根路径剩余空间不少于8GB。

从源码构建TensorFlow会消耗大量内存资源，如果您的系统受内存限制，编译命令则需要添加参数--local_ram_resources，例如--local_ram_resources=2048表示将内存开销限制为2048MB。

从源码构建TensorFlow会消耗大量CPU资源，编译命令添加参数--local_cpu_resources可以对CPU资源进行限制，例如--local_cpu_resource=4表示占用4颗CPU资源（在终端执行lscpu命令，查看CPU数量，根据实际需要设置local_cpu_resources的值）。

以下介绍四种编译方法，请根据实际情况进行选择。

编译基础版本。
1
bazel build //tensorflow/tools/pip_package:build_pip_package
回显显示如上图信息，则表示编译成功。
编译开启mkl_aarch64特性的版本。
1
bazel build //tensorflow/tools/pip_package:build_pip_package --config=mkl_aarch64
回显显示如上图信息，则表示编译成功。
编译适配TensorFlow v1.x特性的版本。
1
bazel build //tensorflow/tools/pip_package:build_pip_package --config=v1
回显显示如上图信息，则表示编译成功。
编译开启NUMA特性的版本。
1
bazel build //tensorflow/tools/pip_package:build_pip_package --config=numa
回显显示如上图信息，则表示编译成功。

编译过程中可能会提示证书校验失败的问题，解决办法请参见编译TensorFlow 2.13.0源码时证书校验失败的解决办法。

TensorFlow源码编译需要使用网络下载很多依赖组件的源码包，如果网络异常或者波动可能导致失败。请确认网络正常且能连通互联网，如果网络正常请再次尝试。或请参见编译TensorFlow 2.13.0时go_sdk下载失败的解决办法处理。

编译TensorFlow 2.13.0开启NUMA特性版本时依赖组件hwloc编译失败，提示关键信息为“external/hwloc/hwloc/topology.c:49:10: fatal error: sys/sysctl.h: No such file or directory”，解决办法请参见编译TensorFlow 2.13.0时依赖组件hwloc编译失败的解决办法。

构建TensorFlow pip软件包。
1
./bazel-bin/tensorflow/tools/pip_package/build_pip_package ./output
构建生成的pip软件包在“./output”目录下。

构建过程可能会产生告警信息，解决办法请参见构建TensorFlow pip软件包时有告警信息提示的解决办法。

安装TensorFlow pip软件包。

1	pip3 install ./output/tensorflow-2.13.0-cp39-cp39-linux_aarch64.whl

源码编译安装