إذا كان لديك مشروع Bazel أو إذا كنت تريد استخدام عمليات TF، يُفضَّل استخدام Bazel.
نظام التصميم. ستستخدم واجهة برمجة التطبيقات
سلاسل أدوات ARM GCC 8.3
مع Bazel لإنشاء مكتبة مشتركة باستخدام ARM32/64.
بنية الهدف
إعداد Bazel
الأجهزة المتوافقة
Armhf (ARM32)
--config=elinux_armhf
RPI3، وRPI4 مع 32 بت
نظام تشغيل Raspberry Pi
AArch64 (ARM64)
--config=elinux_aarch64
مرجان، RPI4 مع Ubuntu 64
بت
تم اختبار التعليمات التالية على جهاز كمبيوتر يعمل بنظام التشغيل Ubuntu 16.04.3 64 بت (AMD64)
وصورة منصة TensorFlow لتطوير البرامج
tensorflow/tensorflow:devel.
لتجميع LiteRT مع Bazel، اتبع الخطوات:
الخطوة 1: تثبيت Bazel
Bazel هو نظام التصميم الأساسي لمنصة TensorFlow. تثبيت أحدث إصدار من
نظام إصدار Bazel
يمكنك العثور على مكتبة مشتركة في:
bazel-bin/tensorflow/lite/libtensorflowlite.so
في الوقت الحالي، ليست هناك طريقة مباشرة لاستخراج جميع ملفات العناوين،
لذلك يجب تضمين جميع ملفات العناوين في tensorflow/lite/ من TensorFlow
المستودع. بالإضافة إلى ذلك، ستحتاج إلى ملفات العناوين من FlatBuffers
أبسيل
ما إلى ذلك
يمكنك أيضًا إنشاء أهداف Bazel الأخرى باستخدام سلسلة الأدوات. إليك بعض المعلومات المفيدة
المستهدفة.
تاريخ التعديل الأخير: 2025-07-24 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2025-07-24 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],null,["# Build LiteRT for ARM boards\n\nThis page describes how to build the LiteRT libraries for ARM-based\ncomputers.\n\nLiteRT supports two build systems and supported features from each\nbuild system are not identical. Check the following table to pick a proper build\nsystem.\n\n| Feature | Bazel | CMake |\n|-------------------------------------------------------------------------------------------|------------------------------|------------------------------------------------------|\n| Predefined toolchains | armhf, aarch64 | armel, armhf, aarch64 |\n| Custom toolchains | harder to use | easy to use |\n| [Select TF ops](../models/ops_select) | supported | not supported |\n| [GPU delegate](../performance/gpu) | only available for Android | any platform that supports OpenCL |\n| XNNPack | supported | supported |\n| [Python Wheel](../build/cmake_pip) | supported | supported |\n| [C API](https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/c/README.md) | supported | [supported](./cmake#build_tensorflow_lite_c_library) |\n| [C++ API](../inference#load_and_run_a_model_in_c) | supported for Bazel projects | supported for CMake projects |\n\nCross-compilation for ARM with CMake\n------------------------------------\n\nIf you have a CMake project or if you want to use a custom toolchain, you'd\nbetter use CMake for cross compilation. There is a separate\n[Cross compilation LiteRT with CMake](./cmake_arm)\npage available for this.\n\nCross-compilation for ARM with Bazel\n------------------------------------\n\nIf you have a Bazel project or if you want to use TF ops, you'd better use Bazel\nbuild system. You'll use the integrated\n[ARM GCC 8.3 toolchains](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/toolchains/embedded/arm-linux)\nwith Bazel to build an ARM32/64 shared library.\n\n| Target Architecture | Bazel Configuration | Compatible Devices |\n|---------------------|-------------------------|----------------------------------------|\n| armhf (ARM32) | --config=elinux_armhf | RPI3, RPI4 with 32 bit Raspberry Pi OS |\n| AArch64 (ARM64) | --config=elinux_aarch64 | Coral, RPI4 with Ubuntu 64 bit |\n\n| **Note:** The generated shared library requires glibc 2.28 or higher to run.\n\nThe following instructions have been tested on Ubuntu 16.04.3 64-bit PC (AMD64)\nand TensorFlow devel docker image\n[tensorflow/tensorflow:devel](https://hub.docker.com/r/tensorflow/tensorflow/tags/).\n\nTo cross compile LiteRT with Bazel, follow the steps:\n\n#### Step 1. Install Bazel\n\nBazel is the primary build system for TensorFlow. Install the latest version of\nthe [Bazel build system](https://bazel.build/versions/master/docs/install.html).\n| **Note:** If you're using the TensorFlow Docker image, Bazel is already available.\n\n#### Step 2. Clone TensorFlow repository\n\n git clone https://github.com/tensorflow/tensorflow.git tensorflow_src\n\n| **Note:** If you're using the TensorFlow Docker image, the repo is already provided in `/tensorflow_src/`.\n\n#### Step 3. Build ARM binary\n\n##### C library\n\n bazel build --config=elinux_aarch64 -c opt //tensorflow/lite/c:libtensorflowlite_c.so\n\nYou can find a shared library in:\n`bazel-bin/tensorflow/lite/c/libtensorflowlite_c.so`.\n| **Note:** Use `elinux_armhf` for [32bit ARM hard float](https://wiki.debian.org/ArmHardFloatPort) build.\n\nCheck\n[LiteRT C API](https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/c/README.md)\npage for the detail.\n\n##### C++ library\n\n bazel build --config=elinux_aarch64 -c opt //tensorflow/lite:libtensorflowlite.so\n\nYou can find a shared library in:\n`bazel-bin/tensorflow/lite/libtensorflowlite.so`.\n\nCurrently, there is no straightforward way to extract all header files needed,\nso you must include all header files in tensorflow/lite/ from the TensorFlow\nrepository. Additionally, you will need header files from FlatBuffers and\nAbseil.\n\n##### Etc\n\nYou can also build other Bazel targets with the toolchain. Here are some useful\ntargets.\n\n- //tensorflow/lite/tools/benchmark:benchmark_model\n- //tensorflow/lite/examples/label_image:label_image"]]
