Compila el paquete de Python Wheel de LiteRT

En esta página, se describe cómo compilar Python para tflite_runtime de LiteRT. para x86_64 y varios dispositivos ARM.

Las siguientes instrucciones se probaron en Ubuntu 16.04.3 64 bits PC (AMD64) imagen de Docker para macOS Catalina (x86_64) y TensorFlow tensorflow/tensorflow:devel.

Requisitos previos

Debes tener instalado CMake y una copia del código fuente de TensorFlow. Consulta Cómo compilar LiteRT con CMake para obtener más información.

Para compilar el paquete de PIP para tu estación de trabajo, puedes ejecutar el siguiente comando: con comandos de SQL sencillos.

PYTHON=python3 tensorflow/lite/tools/pip_package/build_pip_package_with_cmake.sh native

Compilación cruzada de ARM

Para la compilación cruzada de ARM, se recomienda usar Docker, ya que facilita para configurar el entorno de compilación cruzada. También necesitas una opción target para averiguar la arquitectura de destino.

Existe una herramienta auxiliar en el archivo Make tensorflow/lite/tools/pip_package/Makefile. disponibles para invocar un comando de compilación con un contenedor de Docker predefinido. En una Docker, puedes ejecutar un comando de compilación de la siguiente manera.

make -C tensorflow/lite/tools/pip_package docker-build \
  TENSORFLOW_TARGET=<target> PYTHON_VERSION=<python3 version>

Nombres de destinos disponibles

Necesidades de tensorflow/lite/tools/pip_package/build_pip_package_with_cmake.sh secuencia de comandos un nombre de destino para descubrir la arquitectura de destino. Esta es la lista de proveedores objetivos.

Objetivo Arquitectura de objetivos Comentarios
ArmHF ARMv7 VFP con Neon Compatible con Raspberry Pi 3 y 4
rpi0 ARMv6 Compatible con Raspberry Pi Zero
aarch64 aarch64 (ARM de 64 bits) Coral Mendel Linux 4.0
Raspberry Pi con Ubuntu Server 20.04.01 LTS de 64 bits
nativo Tu estación de trabajo Se compila con "-mnative" optimización
predeterminado Tu estación de trabajo Objetivo predeterminado

Ejemplos de compilación

Estos son algunos ejemplos de comandos que puedes usar.

Destino armhf para Python 3.7

make -C tensorflow/lite/tools/pip_package docker-build \
  TENSORFLOW_TARGET=armhf PYTHON_VERSION=3.7

Destino aarch64 para Python 3.8

make -C tensorflow/lite/tools/pip_package docker-build \
  TENSORFLOW_TARGET=aarch64 PYTHON_VERSION=3.8

¿Cómo usar una cadena de herramientas personalizada?

Si los objetos binarios generados no son compatibles con tu destino, debes usar tu propia cadena de herramientas o proporcionar marcas de compilación personalizadas. (Verificar este para comprender tu entorno de destino). En ese caso, debes modificar tensorflow/lite/tools/cmake/download_toolchains.sh para usar tu propia cadena de herramientas. La secuencia de comandos de la cadena de herramientas define las siguientes dos variables para el build_pip_package_with_cmake.sh.

Variable Objetivo ejemplo
ARMCC_PREFIX define el prefijo de la cadena de herramientas arm-linux-gnueabihf-
ARMCC_FLAGS marcas de compilación -march=armv7-a -mfpu=neon-vfpv4