之所以尝试了一下源码编译TF，理由很简单。一是因为每次在运行的时候都会出现如下警告，感觉有点“不爽”。
二是本来电脑就没有GPU，如果CPU的一点点加速都用不了，那就是太慢了。
所以就想着去编译一个优化后的TF安装包。
准备工作
1.查看可优化的信息
直接利用PIP安装普通版的TF，然后随便跑一个程序。如果说没有任何性能优化提示，那么“恭喜你”，下面什么都不用做了。
这已经是你电脑最快状态了。如果有如下提示，说明尚有优化空间，记下警告里说的这些指令集的名字，后面会用到。
2.安装Bazel
Bazel是编译TensorFlow的工具。首先按照这个网页的提示，下载repo文件。
下载地址是这里，如下所示。
然后依次输入命令。
cp vbatts-bazel-epel-7.repo /etc/yum.repos.d/
yum install bazel
期间可能会安装其它的一些依赖，静静等待就好。完成后如下所示。
3.Git TensorFlow
输入命令。
git clone --recurse-submodules https://github.com/tensorflow/tensorflow
上面的命令会在你的当前文件夹中创建一个叫做“tensorflow”的文件夹，下载的文件都存在里面。如下图所示。
如果提示git无效命令，直接yum install git即可。
编译TensorFlow
1.配置编译
输入如下命令，切换当前目录到git的tensorflow下，并运行配置程序。
cd tensorflow/
./configure
可以看到有一堆配置选项，基本上是用默认的就好。
2.开始编译
输入命令。
bazel build -c opt --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx //tensorflow/tools/pip_package:build_pip_package
上面的命令会生成一个叫做build_pip_package的脚本。这一步的参数便是是优化的关键了，那些优化指令就是在这里指定的。 需要注意的是，使用哪些并不是固定的。这里的代码是在我的VPS上提示可以优化的，不代表你的电脑上就适合。例如下面的命令是另一个服务器支持的优化指令。
bazel build -c opt --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma //tensorflow/tools/pip_package:build_pip_package
比较好的办法就是之前说的先用pip装一个公版TF，然后随便跑一下，看提示的Warning信息，把这些信息记下来，然后在这里对应配置。
要不然CPU并不支持，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。
而且还有可能会中途断掉。如果网络不好的话，建议开个screen编译，不然中途编译好久了结果ssh断开了，不过不用太担心，还是会从断点开始的。
下面是重新开始的样子，有个提示”Found 1 target…“。
编译的时候遇到如下错误，结果网上搜了说是因为内存不足导致的。
增加swap扩展内存即可解决。
按照如下命令运行这个脚本，在/tmp/tensorflow_pkg文件夹中创建pip的安装包，这个生成会很快。
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
到这一步，编译就完成了。
安装TensorFlow
安装这个之前，首先先卸载掉之前用pip装的TF。
pip uninstall tensorflow
然后再用pip安装我们生成的轮子即可。
pip install /tmp/tensorflow_pkg/tensorflow-1.5.0rc0-cp27-cp27mu-linux_x86_64.whl
由于平台的不同，可能软件包的名字是不一样的。这样，安装就大功告成了。
测试TensorFlow
用之前同样的代码进行测试，输出结果如下。
可以看到，再也没有性能优化的提示了。不过，不知道为什么，用自己编译的TF测试耗时反而变长了。不知道是不是因为版本的问题。
用pip装的是1.4.1版本，自己编译的是1.5.0rc版本。
本文作者原创,未经许可不得转载,谢谢配合
