Win10系统编译Tensorflow Lite 2.3为动态链接库tensorflowlite_c.dll
最近看到一个巨牛的人工智能教程，分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。平时碎片时间可以当小说看，【点这里可以去膜拜一下大神的“小说”】。
Tensorflow Lite官方在移动端提供了官方编译好的库，我们直接拿来用就好。Tensorflow 在Linux平台与Mac平台下编译也非常轻松，基本不会遇到太多问题（据说Google内部只用Linux与Mac）。但是在Windows下编译真是一波三折，好在已经编译成功了，记录一下Windows 10下Tensorflow Lite编译过程，帮助一下跟我一样被Tensorflow折腾的不行的人。
1 前期准备
1.1 安装 MSYS2
MSYS2官方下载地址为【https://www.msys2.org】，直接下载安装即可。安装完成后，将安装路径的usr\bin添加到环境变量：假设安装目录为E:\msys64，则要将E:\msys64\usr\bin加入到环境变量%PATH%中。
打开控制台cmd.exe，输入如下命令：
pacman -S git patch unzip
1.2 安装visual studio
visual studio可以安装2019版本或者最新版本即可。
1.3 安装python
编译过程中，需要用python运行一些脚本，去python官网下载最新版python安装即可，这里不介绍python安装。这里我本机已经安装了Anaconda，使用的python版本为3.6.3：
E:\>python --version Python 3.6.3 :: Anaconda 4.4.0 (64-bit)
理论上python版本直接安装最新的即可。
值得注意的是，安装完python后，还需要安装numpy库。否则编译期间会报错找不到numpy。numpy可以通过pip install numpy来安装。
1.4 下载tensorflow源码
前往github下载tensorflow源码：【https://github.com/tensorflow/tensorflow】。目前最新版本是2.4.0，2.4.0的c_api变动比较大，因此选择2.3.1版本，等2.4.x版本稳定后再考虑用更新的，
如下图所示：
1.5 安装bazel
每个版本的tensorflow都有其对应的bazel版本，如果版本不一致，可能会在编译期间出现错误，这种错误还很难排查，-_-||。因此，要确认好当前的tensorflow源码应该使用哪个bazel版本。
解压缩tensorflow-2.3.1.zip文件后，打开cmd，进入tensorflow-2.3.1。输入命令cat configure.py | grep -i bazel_ver。如下：
E:\>cd tensorflow-2.3.1 E:\tensorflow-2.3.1>cat configure.py | grep -i bazel_ver _TF_CURRENT_BAZEL_VERSION = None _TF_MIN_BAZEL_VERSION = '3.1.0' _TF_MAX_BAZEL_VERSION = '3.99.0'! def check_bazel_version(min_version, max_version): 'TF_IGNORE_MAX_BAZEL_VERSION' not in os.environ): global _TF_CURRENT_BAZEL_VERSION current_bazel_version = check_bazel_version(_TF_MIN_BAZEL_VERSION, _TF_MAX_BAZEL_VERSION) _TF_CURRENT_BAZEL_VERSION = convert_version_to_int(current_bazel_version)
可以看到，最小的bazel版本为3.1.0。最大版本是3.99.0，这里看最大的版本意义不大，本意应该是希望在3.1.0以上。按照我对tensorflow官方的尿性的了解， 他们每个版本都会使用当前最新的bazel，换言之，在编译tensorflow 2.3.1期间很有可能最新的bazel版本是3.1.0，也就是说官方用的是bazel 3.1.0编译的。为了确保编译不出问题，跟官方保持一致的版本是最明智的选择。
前往【https://github.com/bazelbuild/bazel/releases】下载bazel-3.1.0-windows-x86_64.exe，如下所示：
下载后，放入到E:\bazel目录中，并把E:\bazel加入到环境变量PATH中，同时，把bazel-3.1.0-windows-x86_64.exe重命名为bazel.exe。做完这一切后，打开cmd，输入bazel --version确认bazel是否安装成功，以及版本是否正确。
E:\tensorflow-2.3.1>bazel --version bazel 3.1.0
2 开始编译
2.1 执行configure.py
configure.py文件会预先设置python等一些相关可选项，需要先运行这个文件。
E:\tensorflow-2.3.1>python configure.py You have bazel 3.1.0 installed. Please specify the location of python. [Default is E:\Anaconda3\python.exe]: Found possible Python library paths: E:\Anaconda3\lib\site-packages Please input the desired Python library path to use. Default is [E:\Anaconda3\lib\site-packages] Do you wish to build TensorFlow with ROCm support? [y/N]: n No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: n No CUDA support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is /arch:AVX]: Would you like to override eigen strong inline for some C++ compilation to reduce the compilation time? [Y/n]: n Not overriding eigen strong inline, some compilations could take more than 20 mins. Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=ngraph # Build with Intel nGraph support. --config=numa # Build with NUMA support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. --config=v2 # Build TensorFlow 2.x instead of 1.x. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=nonccl # Disable NVIDIA NCCL support.
运行期间，会确认python路径、是否配置android等等，因为我这边是编译精简CPU版的tflite，且是为了编译dll。因此android、cuda、ROCm等我都选择了N。
2.2 编译
直接执行bazel进行编译即可：
bazel build -c opt --config=mkl //tensorflow/lite/c:tensorflowlite_c.dll
稍等片刻，等待自动下载相关库，并完成编译：
···· INFO: From Linking tensorflow/lite/c/tensorflowlite_c.dll: LINK : warning LNK4044: 无法识别的选项“/s”；已忽略 正在创建库 bazel-out/x64_windows-opt/bin/tensorflow/lite/c/tensorflowlite_c.dll.if.lib 和对象 bazel-out/x64_windows-opt/bin/tensorflow/lite/c/tensorflowlite_c.dll.if.exp Target //tensorflow/lite/c:tensorflowlite_c.dll up-to-date: bazel-bin/tensorflow/lite/c/tensorflowlite_c.dll INFO: Elapsed time: 291.250s, Critical Path: 60.46s INFO: 305 processes: 305 local. INFO: Build completed successfully, 444 total actions
打开E:\tensorflow-2.3.1\bazel-out\x64_windows-opt\bin\tensorflow\lite\c路径即可得看到tensorflowlite_c.dll和tensorflowlite_c.dll.if.lib两个文件。这里个文件即为我们最终的结果。
2.3 抠出头文件
光有dll和lib还不够，我们还需要头文件才能在c++代码里面引用。最简单的方法是直接将整个tensorflow源码根路径加入到include路径中，这样的话整个项目会过于庞大。
最佳做法是将E:\tensorflow-2.3.1\tensorflow目录下，只保留lite目录，其他目录删除。在lite目录中只保留c和core两个子目录，其他的删除。在c和core两个子目录中，只保留.h文件，其他的文件删除。
简而言之，只需要E:\tensorflow-2.3.1\tensorflow\lite\c与E:\tensorflow-2.3.1\tensorflow\lite\core两个目录下的.h文件。
3 打包下载
由于各种因素问题，可能有些读者会遇到各种问题没法解决。问题不大，我这里提供已经编译好的直接下载。
bazel 3.1.0下载：http://askonline.tech/download/2.html
tensorflow 2.3.1源码：http://askonline.tech/download/3.html
tflite dll 2.3.1包含头文件与dll和lib文件：http://askonline.tech/download/1.html
