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 README 文件的「開始使用」部分。
Linux
設定
XLA 建構是由存放區根目錄中的 .bazelrc 檔案設定。./configure 或 ./configure.py 指令碼可用來調整常用設定。
如要變更設定，請從存放區的根目錄執行 ./configure 指令碼。這個指令碼會提示您輸入 XLA 依附元件的位置，並要求其他建構設定選項 (例如編譯器旗標)。詳情請參閱「工作階段範例」一節。
./configure
此外，這個指令碼也有 Python 版本：./configure.py。如果使用虛擬環境，python configure.py 會以環境內的路徑為優先，./configure 則是以環境外的路徑為優先。在這兩種情況下，您都可以變更預設值。
CPU 支援
建議使用合適的 docker 容器建構/測試 XLA，例如 TensorFlow 的 Docker 容器：
docker run --name xla -w /xla -it -d --rm -v $PWD:/xla tensorflow/tensorflow:latest-gpu bash
使用 Docker 容器，您可以使用下列指令建構支援 CPU 的 XLA：
docker exec xla ./configure
docker exec xla bazel build //xla/... --spawn_strategy=sandboxed --test_output=all
如要在不使用 Docker 的情況下建構支援 CPU 的 XLA 目標，您必須安裝 gcc-10：
apt install gcc-10 g++-10
然後使用下列指令設定及建構目標：
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 支援
建議使用 GPU docker 容器來建構支援 GPU 的 XLA，例如：
docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/tensorflow:devel-gpu bash
如要建構支援 GPU 的 XLA，請使用下列指令：
docker exec -e TF_NEED_CUDA=1 xla_gpu ./configure
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...
如要在不使用 Docker 的情況下建構支援 GPU 的 XLA 目標，您必須安裝下列 CPU 依附元件的額外依附元件：cuda-11.2、cuDNN-8.1。
然後使用下列指令設定及建構目標：
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/...
如要進一步瞭解 TensorFlow 的 GPU Docker 映像檔，請參閱這份文件。