建议全程科学上网

参考文档

曾尝试build tensorflow2.2.0太多莫名其妙的错误，遂放弃

arm64可直接pip install的为tensorflow>=1.10.0，似乎与tf_plugin有兼容性问题，遂放弃

一、安装HDF5

wget https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.5/src/hdf5-1.10.5.tar.gz
tar -zxvf hdf5-1.10.5.tar.gz
cd hdf5-1.10.5/
./configure --prefix=/usr/include/hdf5
make
make install

配置环境变量

安装H5PY，可能由于缺少模块报错，需根据报错信息安装

pip3 install Cython==0.29
pip3 install pkgconfig
pip3 install numpy==1.19.2
#不加--no-build-isolation参数似乎会默认使用最高版本cython导致编译错误
pip3 install --no-build-isolation h5py==3.1.0 

二、bazel3.7.2

文档中的两种构建方式均失败(可能是内存不足导致)，

最后选择直接使用Assets中的arm64的二进制文件

pip install keras_preprocessing 
apt-get install build-essential zip unzip

wget https://github.com/bazelbuild/bazel/releases/download/3.7.2/bazel-3.7.2-linux-arm64
chmod -x bazel-3.7.2-linux-arm64
cp bazel-3.7.2-linux-arm64 /usr/local/bin/bazel
bazel --batch version

 三、tensorflow

若非必要不建议从源码编译太费时间了，可以采用如下方法，使用华为云的whl安装

pip3 install tensorflow==2.6.5 --no-index --find-links  https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/MindX/OpenSource/python/index.html --trusted-host ascend-repo.obs.cn-east-2.myhuaweicloud.com

开始准备build

参考华为文档，完成准备工作

--local_ram_resources=2048指定bazel的RAM使用限制

cd tensorflow-2.6.5
bazel build --config=opt --local_ram_resources=2048 //tensorflow/tools/pip_package:build_pip_package

编译根据硬件条件不同需要2h-若干天不等，做好准备

若编译失败需在当前目录下执行 bazel clean --expunge 后再重新build

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

#whl名根据环境不同会有所不同
pip install /tmp/tensorflow_pkg/tensorflow-2.6.5-cp38-cp38m-linux_aarch64.whl

常见错误

1.文件无法下载，可能是链接失效或网络问题

解决方案：将文件事先下载到本地，如上图，箭头所指为下载地址，根据红框内确定需要修改的文件路径，这里即为/root/Dowloads/tf2.6.5t/ensorflow-2.6.5/third_party/runtime/worspace.bzl，在这个文件中找到对应包的位置，在url中间添加 "file://PATH", 不要忘记逗号，PATH为下载下来文件在本机的路径例如：/root/Dowloads/needed/***.tar.gz（可参考华为文档中对nsync源码包的修改方法）

2. Internal error thrown during build. Printing stack trace: java.lang.OutOfMemoryError: Java heap space

解决方案：内存不足，按上述命令添加参数--local_ram_resources=2048具体数值根据内存大小决定

四、安装tf_plugin

参考

下载页面：资源下载中心-昇腾社区 (hiascend.com)

下载相应版本，我下的是Ascend-cann-tfplugin_7.0.0_linux-aarch64.run

按照参考安装完毕

验证：

import npu_device as npu
npu.open().as_default() # 初始化NPU为默认设备

可能报错缺少各种模块，按照提示信息安装即可

输出：

Npu device instance /job:localhost/replica:0/task:0/device:NPU:0 created

五、网络模型迁移

待续