本文档介绍了如何构建 XLA 组件。
如果您没有克隆 XLA 代码库或安装 Bazel，请查看 README 文档的“使用入门”部分。
Linux
配置
XLA build 由代码库根目录中的 .bazelrc 文件配置。./configure 或 ./configure.py 脚本可用于调整常用设置。
如果需要更改配置，请从代码库的根目录运行 ./configure 脚本。此脚本将提示您输入 XLA 依赖项的位置，并要求提供其他 build 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。
./configure
这个脚本也有 Python 版本 ./configure.py。如果使用的是虚拟环境，python configure.py 会优先处理环境中的路径，而 ./configure 会优先考虑环境外的路径。在这两种情况下，您都可以更改默认值。
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/tensorflow:latest-gpu bash
借助 Docker 容器，您可以使用以下命令构建支持 CPU 的 XLA：
docker exec xla ./configure
docker exec xla bazel build //xla/... --spawn_strategy=sandboxed --test_output=all
如果您想在没有 Docker 的情况下构建支持 CPU 的 XLA 目标，则需要安装 gcc-10：
apt install gcc-10 g++-10
然后使用以下命令配置和构建目标：
yes '' | GCC_HOST_COMPILER_PATH=/usr/bin/gcc-10 CC=/usr/bin/gcc-10 TF_NEED_ROCM=0 TF_NEED_CUDA=0 TF_CUDA_CLANG=0 ./configure
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
GPU 支持
我们建议使用 GPU Docker 容器构建支持 GPU 的 XLA，例如：
docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/tensorflow:devel-gpu bash
如需构建支持 GPU 的 XLA，请使用以下命令：
docker exec -e TF_NEED_CUDA=1 xla_gpu ./configure
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如果您想构建支持 GPU 且不使用 Docker 的 XLA 目标，则需要安装除 CPU 依赖项之外的以下依赖项：cuda-11.2、cuDNN-8.1。
然后使用以下命令配置和构建目标：
yes '' | GCC_HOST_COMPILER_PATH=/usr/bin/gcc-10 CC=/usr/bin/gcc-10 TF_NEED_ROCM=0 TF_NEED_CUDA=1 TF_CUDA_CLANG=0 ./configure
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...