编译可执行文件【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge请以ATC软件包安装用户进行如下操作从https://github.com/tensorflow/tensorflow/archive/v1.15.0.tar.gz链接下载Tensorflow源码然后将下载的源码上传到ATC工具所在Linux服务器任意目录。登录Linux服务器切换到Tensorflow源码所在路径执行如下命令解压源码包tar -zxvf tensorflow-1.15.0.tar.gz进入解压后的tensorflow-1.15.0安装补丁。参见获取xlacompile.patch补丁文件获取xlacompile.patch补丁然后上传到Linux服务器tensorflow-1.15.0路径下执行如下命令安装补丁patch -p1 xlacompile.patch切换到tensorflow-1.15.0目录执行如下命令编译xlacompile工具bazel build --configmonolithic //tensorflow/compiler/aot:xlacompile若出现类似如下信息则说明编译成功编译大约需要10分钟左右若编译失败请参见使用bazel编译工具编译时提示“An error occurred during the fetch of repository io_bazel_rules_docker”编译失败解决。Target //tensorflow/compiler/aot:xlacompile up-to-date: bazel-bin/tensorflow/compiler/aot/xlacompile INFO: Elapsed time: 214.550s, Critical Path: 73.38s INFO: 1511 processes: 1511 local. INFO: Build completed successfully, 1513 total actions编译成功后会在$HOME/.cache/bazel/_bazel_test/abd37aaac8a380ca5a3f13938322fcb2/external/org_tensorflow/bazel-out/k8-opt/bin/tensorflow/compiler/aot路径生成xlacompile可执行文件该路径只是样例请以用户实际编译后的为准。xlacompile可执行文件用于将控制流算子的网络模型转成函数类算子的网络模型。切换到tensorflow-1.15.0目录执行如下命令编译summarize_graph工具bazel build --configmonolithic -c opt //tensorflow/tools/graph_transforms:summarize_graph若出现类似如下信息则说明编译成功Target //tensorflow/tools/graph_transforms:summarize_graph up-to-date: bazel-bin/tensorflow/tools/graph_transforms/summarize_graph INFO: Elapsed time: 70.474s, Critical Path: 53.16s INFO: 1028 processes: 1028 local. INFO: Build completed successfully, 1053 total actions编译成功后会在$HOME/.cache/bazel/_bazel_test/abd37aaac8a380ca5a3f13938322fcb2/execroot/org_tensorflow/bazel-out/k8-opt/bin/tensorflow/tools/graph_transforms路径生成summarize_graph可执行文件该路径只是样例请以用户实际编译后的为准。summarize_graph可执行文件用来查看有控制流算子网络模型的输入输出节点方便用户构造config.pbtxt输入输出配置文件。【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考