本文档介绍了如何构建 XLA 组件。
如果您未克隆 XLA 代码库或安装 Bazel，请查看 XLA 开发者指南的初始部分。
Linux
配置
XLA build 由代码库根目录中的 .bazelrc 文件进行配置。./configure.py 脚本可用于调整常用设置。
如果您需要更改配置，请从代码库的根目录运行 ./configure.py 脚本。此脚本包含 XLA 依赖项的位置标志和其他构建配置选项（例如编译器标志）。如需了解详情，请参阅示例会话部分。
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
您可以使用 Docker 容器，通过以下命令构建支持 CPU 的 XLA：
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 目前在 CI 上使用 clang-17 进行构建，但较低版本也应该可以：
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文相同的 Docker 容器来构建支持 GPU 的 XLA：
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 TensorFlow 的 GPU Docker 映像，请参阅此文档。
您也可以在没有 Docker 的情况下构建支持 GPU 的 XLA 目标。使用以下命令配置和构建目标：
./configure.py --backend=CUDA
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如需详细了解封闭 CUDA，请参阅本文档。