本文档介绍了如何构建 XLA 组件。
如果您尚未克隆 XLA 代码库或安装 Bazel,请查看 “开始使用”部分。
Linux
配置
XLA build 由代码库根目录中的 .bazelrc
文件配置
目录。./configure.py
脚本可用于调整常用设置。
如果需要更改配置,请从以下位置运行 ./configure.py
脚本:
代码库的根目录此脚本包含 XLA 位置的标志
依赖项和其他构建配置选项
示例)。如需了解详情,请参阅会话示例部分。
CPU 支持
我们建议使用合适的 Docker 容器来构建/测试 XLA,例如 TensorFlow 的 Docker 容器:
docker run --name xla -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash
使用 Docker 容器,您可以使用以下项构建支持 CPU 的 XLA 命令:
docker exec xla ./configure.py --backend=CPU
docker exec xla bazel build //xla/... --spawn_strategy=sandboxed --test_output=all
如果您想在不使用 Docker 的情况下构建支持 CPU 的 XLA 目标,则需要 安装 Clang。XLA 目前使用 clang-17 基于 CI 构建,但版本较低 :
apt install clang
然后,使用以下命令配置和构建目标:
./configure.py --backend=CPU
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
GPU 支持
我们建议您使用与上面相同的 Docker 容器来构建支持 GPU 的 XLA 支持:
docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash
如需构建支持 GPU 的 XLA,请使用以下命令:
docker exec xla_gpu ./configure.py --backend=CUDA
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如需详细了解 请查看本文档,了解 TensorFlow 的 GPU Docker 映像。
您也可以在不使用 Docker 的情况下构建支持 GPU 的 XLA 目标。配置并 编译目标:
./configure.py --backend=CUDA
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如需详细了解 封闭的 CUDA,您可以查看此文档