https://tensorflow.google.cn/install/source?hl=zh-cn查看tensorflow和其他需要下載軟件對應的版本，最好一模一樣
1、下載TensorFlow源碼
https://github.com/tensorflow/tensorflow
2、安裝編譯protobuf（3.9.2）
protobuf版本要和TensorFlow版本對應；
protobuf版本查看方法：
打開TensorFlow源碼下tensorflow-master/tensorflow/workspace2.bzl文件
搜索可以找到地址"https://github.com/protocolbuffers/protobuf/archive/v3.9.2.zip"
安裝編譯：

cd protobuf-XXX/
./autogen.sh
./configure
make
make check
sudo make install
sudo ldconfig # refresh shared library cache.

查看protobuf版本
protoc --version
3、安裝編譯bazel（3.1.0）
bazel版本要和TensorFlow版本對應；
bazel版本查看方法：
打開TensorFlow源碼下tensorflow-master/configure.py
搜索可以找到：
_TF_MIN_BAZEL_VERSION = ‘4.2.2’
_TF_MAX_BAZEL_VERSION = ‘4.99.0’
這里可以選擇安裝4.2.2版本
安裝編譯： 下載：鏈接 Releases · bazelbuild/bazel · GitHub
安裝依賴：
sudo apt-get install pkg-config zip g++ zlib1g-dev unzip python
編譯：

chmod +x bazel-<version>-installer-linux-x86_64.sh
./bazel-<version>-installer-linux-x86_64.sh --user

4.2.2版本對應寫法：

chmod +x bazel-4.2.2-installer-linux-x86_64.sh
./bazel-4.2.2-installer-linux-x86_64.sh --user

將 export PATH="$PATH:$HOME/bin" 添加進去,添加到bashrc不管用那么就直接在tensorflow編譯的文件夾中執行這句話生成零時變量。

4、編譯TensorFlow
進入tensorflow文件夾中，首先進行項目配置：./configure
這里系統應該已經安裝了gcc g++ 7.5 除了使用cuda y, 其余都選no和默認
bazel build --config=opt --config=cuda // tensorflow:libtensorflow_cc.so
編譯完成后，在bazel-bin/tensorflow中會生成兩個我們需要的庫文件：libtensorflow_cc.so 和 libtensorflow_framework.so

問題1. error

解決：安裝cudnn 我的cuda是11.0選擇cudnn是8.0.4（將deb也進行安裝）
cudnn安裝可能需要如下問題，說so不是符號連接之類的依次執行下面

sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
sudo ln -sf /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.4 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8

建立成功后最好執行sudo ldconfig （原因沒查）

問題2.

解決：我的系統是ubuntu18.04 所以執行以下指令成功部署

也就是指定cpu的核數，因為不指定會內存爆掉，就失敗了

問題3. 需要將so文件全部拷貝到usr/local/lib文件（cp xx 目標文件夾）（否則程序會報錯：cannot open shared object），并賦予權限sudo chmod +x libtensorflow_cc.so.2（我將這些so文件的軟連接和bazel-bin/tensorflow中進行了對應，但是不確定有沒有意義，也許不需要這樣做 最后發現必須要軟連接并且要將framework.so連接到framework.so.2）

問題4. absl文件夾需要在githbub下載（https://github.com/abseil/abseil-cpp/tree/master/absl），為了保險我直接將服務器的absl拷貝到tensorflow-2.4.0目錄中解決該問題

問題5. 在編譯失敗從新編譯最好使用bazel -clean后在執行編譯指令

缺失文件可能需要使用bazel clean --expunge，而不是bazel -clean

成功結果

總結

這是本人tensorflow源碼編譯遇到的各種問題，其中對應版本是一個很麻煩的過程，因為官網給的tf對應的protobuf等庫版本可能不適用，大家最好百度教程，然后在別人成功的基礎上嘗試，第二點是介于本人當時水平有限很多問題的解決方法不是很合理，僅供參考