本页介绍了如何为基于 ARM 的计算机构建 TensorFlow Lite 库。
TensorFlow Lite 支持两种构建系统，而每种构建系统支持的功能不完全相同。请参考下表选择合适的构建系统。
| 功能 | Bazel | CMake |
|---|---|---|
| 预定义工具链 | armhf、aarch64 | armel、armhf、aarch64 |
| 自定义工具链 | 难用 | 易用 |
| 选择 TF 运算 | 支持 | 不支持 |
| GPU 委托 | 仅适用于 Android | 任何支持 OpenCL 的平台 |
| XNNPack | 支持 | 支持 |
| Python Wheel | 支持 | 支持 |
| C API | 支持 | 支持 |
| C++ API | 支持 Bazel 项目 | 支持 CMake 项目 |
使用 CMake 对 ARM 进行交叉编译
如果您有一个 CMake 项目，或者您想使用自定义工具链，那么您最好使用 CMake 进行交叉编译。有一个单独的使用 CMake 交叉编译 TensorFlow Lite 页面可供参考。
使用 Bazel 对 ARM 进行交叉编译
如果您有一个 Bazel 项目，或者您想使用 TF 运算，那么您最好使用 Bazel 构建系统。您将使用集成的 ARM GCC 8.3 工具链配合 Bazel 构建 ARM32/64 共享库。
| 目标架构 | Bazel 配置 | 兼容设备 |
|---|---|---|
| armhf (ARM32) | --config=elinux_armhf | RPI3、RPI4 运行 32 位 |
| : : : Raspberry Pi OS : | ||
| AArch64 (ARM64) | --config=elinux_aarch64 | Coral、RPI4 运行 Ubuntu 64 |
| : : : 位 : |
注：生成的共享库需要 glibc 2.28 或更高版本才能运行。
以下指令已在 Ubuntu 16.04.3 64 位 PC (AMD64) 和 TensorFlow devel docker 镜像 tensorflow/tensorflow:devel 上进行了测试。
要使用 Bazel 交叉编译 TensorFlow Lite，请按照以下步骤进行操作：
第 1 步：安装 Bazel
Bazel 是 TensorFlow 的主要构建系统。安装最新版本的 Bazel 构建系统。
注：如果您使用的是 TensorFlow Docker 镜像，则可直接使用 Bazel。
步骤 2. 克隆 TensorFlow 仓库
git clone https://github.com/tensorflow/tensorflow.git tensorflow_src
注：如果您使用的是 TensorFlow Docker 镜像，则 /tensorflow_src/ 中已经提供了该仓库。
第 3 步：构建 ARM 二进制文件
C 库
bazel build --config=elinux_aarch64 -c opt //tensorflow/lite/c:libtensorflowlite_c.so
您可以在以下位置找到共享库：bazel-bin/tensorflow/lite/c/libtensorflowlite_c.so。
注：请使用 elinux_armhf 进行 32 位 ARM 硬浮点构建。
请查看 TensorFlow Lite C API 页面了解详细信息。
C++ 库
bazel build --config=elinux_aarch64 -c opt //tensorflow/lite:libtensorflowlite.so
您可以在以下位置找到共享库：bazel-bin/tensorflow/lite/libtensorflowlite.so。
目前，没有一种直接方式可以提取需要的所有头文件，因此您必须将来自 TensorFlow 仓库的所有头文件都包含在 tensorflow/lite/ 中。此外，您还将需要来自 FlatBuffers 和 Abseil 的头文件。
其他信息
您也可以用工具链构建其他 Bazel 目标。下面是一些有用的目标。
- //tensorflow/lite/tools/benchmark:benchmark_model
- //tensorflow/lite/examples/label_image:label_image