本文件說明如何建構 XLA 元件。
如果您並未複製 XLA 存放區或安裝 Bazel，請查看 XLA 開發人員指南的初始部分。
Linux
設定
XLA 版本是由存放區根目錄中的 .bazelrc 檔案設定。./configure.py 指令碼可用於調整常用設定。
如果您需要變更設定，請從存放區的根目錄執行 ./configure.py 指令碼。這個指令碼含有 XLA 依附元件的位置標記，以及其他建構設定選項 (例如編譯器標記)。詳情請參閱「示範課程」一節。
CPU 支援
建議您使用適當的 Docker 容器來建構/測試 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，透過下列指令建構支援 CPU 的 XLA：
docker exec xla ./configure.py --backend=CPU
docker exec xla bazel build //xla/... --spawn_strategy=sandboxed --test_output=all
如果您想在沒有 Docker 的情況下建構支援 CPU 的 XLA 目標，就必須安裝 clang。XLA 目前以 clang-17 的 CI 建構，但先前的版本應該也能正常運作：
apt install clang
然後使用下列指令設定及建構目標：
./configure.py --backend=CPU
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
GPU 支援
建議您使用與上述相同的 Docker 容器，建構支援 GPU 的 XLA：
docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash
如要建構支援 GPU 的 XLA，請使用下列指令：
docker exec xla_gpu ./configure.py --backend=CUDA
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如要進一步瞭解 TensorFlow 的 GPU Docker 映像檔，請參閱這份文件。
您也可以建構在不使用 Docker 的情況下支援 GPU 的 XLA 目標。使用下列指令設定及建構目標：
./configure.py --backend=CUDA
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如要進一步瞭解密封 CUDA，請參閱這份文件。