如何在 docker 上交叉编译 tensorflow-serving 当科普特包含空格时使用 bazel 构建图像
How to cross-compile tensorflow-serving on docker build image with bazel when copts contain spaces
背景资料
我想 运行 在不支持标准 tensorflow 构建中使用的现代 cpu 指令的旧机器（目标系统）上使用 tensorflow-serving。我使用了这些 instructions for installing tf-serving via docker. However I ran into the error Tensorflow Serving Illegal Instruction core dumpedsimilar to this one on github. The suggested solution was to use a docker build-image to compile the binary on my target system which is described here。
由于这部分与我问题的复现有关，我将相关命令复制到这里：
git clone https://github.com/tensorflow/serving
cd serving
docker build --pull -t $USER/tensorflow-serving-devel -f tensorflow_serving/tools/docker/Dockerfile.devel .
这将在我的慢速目标机器上的 docker 容器中使用标志 -march=native 编译二进制文件并运行。
目标系统信息
然而，在我的旧机器上，编译需要很长时间，我想使用我的另一台功能更强大的电脑来交叉编译二进制文件。我使用此 answer 中提供的命令找出目标系统所需的编译标志，以复制构建标志 -march=native，这是上述过程中隐式使用的默认标志。
gcc -### -E - -march=native 2>&1 | sed -r '/cc1/!d;s/(")|(^.* - )//g'
给我以下标志：
-march=core2 -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf -mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma -mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2 -mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase -mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f -mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec -mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi -mno-clwb -mno-mwaitx -mno-clzero -mno-pku --param l1-cache-size=32 --param l1-cache-line-size=64 --param l2-cache-size=2048 -mtune=core2
请特别注意末尾包含 spaces 的以下标志：
--param l1-cache-size=32 --param l1-cache-line-size=64 --param l2-cache-size=2048
我可以通过构建参数 TF_SERVING_BUILD_OPTIONS 在 docker 构建过程中提供这些标志，如 docs here
中所述
此字符串随后用于 运行 bazel 构建，可以在 Dockerfile.devel
中看到
因此我从上面取出所有标志并将--copt=放在前面并将结果字符串放在变量TF_SERVING_BUILD_OPTIONS中。这是我的全部命令，包括最后的科普特人 spaces:
docker build --pull \
--build-arg TF_SERVING_BUILD_OPTIONS="--copt=-mmmx --copt=-mno-3dnow --copt=-msse --copt=-msse2 --copt=-msse3 --copt=-mssse3 --copt=-mno-sse4a --copt=-mcx16 --copt=-msahf --copt=-mno-movbe --copt=-mno-aes --copt=-mno-sha --copt=-mno-pclmul --copt=-mno-popcnt --copt=-mno-abm --copt=-mno-lwp --copt=-mno-fma --copt=-mno-fma4 --copt=-mno-xop --copt=-mno-bmi --copt=-mno-bmi2 --copt=-mno-tbm --copt=-mno-avx --copt=-mno-avx2 --copt=-mno-sse4.2 --copt=-mno-sse4.1 --copt=-mno-lzcnt --copt=-mno-rtm --copt=-mno-hle --copt=-mno-rdrnd --copt=-mno-f16c --copt=-mno-fsgsbase --copt=-mno-rdseed --copt=-mno-prfchw --copt=-mno-adx --copt=-mfxsr --copt=-mno-xsave --copt=-mno-xsaveopt --copt=-mno-avx512f --copt=-mno-avx512er --copt=-mno-avx512cd --copt=-mno-avx512pf --copt=-mno-prefetchwt1 --copt=-mno-clflushopt --copt=-mno-xsavec --copt=-mno-xsaves --copt=-mno-avx512dq --copt=-mno-avx512bw --copt=-mno-avx512vl --copt=-mno-avx512ifma --copt=-mno-avx512vbmi --copt=-mno-clwb --copt=-mno-mwaitx --copt=-mno-clzero --copt=--param l1-cache-size=32 --copt=--param l1-cache-line-size=64 --copt=--param l2-cache-size=2048 --copt=-mtune=core2" \
-t $USER/tensorflow/serving-devel \
-f tensorflow_serving/tools/docker/Dockerfile.devel .
问题
但是 bazel 抱怨如下，这可能是由于 --param 和 l1-cache-size=32 之间的 space，这是提供给 bazel 构建调用的 C 编译器的一个选项。
ERROR: Skipping 'l1-cache-line-size=64': couldn't determine target from filename 'l1-cache-line-size=64'
ERROR: couldn't determine target from filename 'l1-cache-line-size=64'
INFO: Elapsed time: 20.233s
INFO: 0 processes.
FAILED: Build did NOT complete successfully (0 packages loaded)
The command '/bin/sh -c bazel build --color=yes --curses=yes ${TF_SERVING_BAZEL_OPTIONS} --verbose_failures --output_filter=DONT_MATCH_ANYTHING ${TF_SERVING_BUILD_OPTIONS} tensorflow_serving/model_servers:tensorflow_model_server && cp bazel-bin/tensorflow_serving/model_servers/tensorflow_model_server /usr/local/bin/' returned a non-zero code: 1
我试过的
- 我尝试转义最后一个标志中的 space 字符：
TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=--param\ l1-cache-size=32 --copt=--param\ l1-cache-line-size=64 --copt=--param\ l2-cache-size=2048 --copt=-mtune=core2 "
但是 bazel 仍然报出与上面相同的错误消息。
- 我尝试用双引号或单引号将命令括起来：
TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=\"--param l1-cache-size=32\" --copt=\"--param l1-cache-line-size=64\" --copt=\"--param l2-cache-size=2048\" --copt=-mtune=core2 "
同样出现之前的错误
我尝试对 copts 使用内部双引号，并用外部单引号将 TF_SERVING_BUILD_OPTIONS 括起来，但同样的错误。
我尝试用 \x22 转义科普特人的双引号。出现与之前类似的错误。这次说明目标格式不正确ERROR: Skipping 'l1-cache-size=32\x22': Bad target pattern...
我尝试使用 </code>:</p></li> 转义 space 字符
</ol>
<pre><code>TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=--paraml1-cache-size=32 --copt=--paraml1-cache-line-size=64 --copt=--paraml2-cache-size=2048 --copt=-mtune=core2 "
这次 bazel 没有抱怨，因为 copt 的参数是一个没有正常 spaces 的字符串。但是参数被错误地传递给 gcc，因为我得到以下错误：
ERROR: /root/.cache/bazel/_bazel_root/e53bbb0b0da4e26d24b415310219b953/external/grpc/BUILD:692:1: C++ compilation of rule '@grpc//:grpc_base_c' failed (Exit 1): gcc failed: error executing command
(cd /root/.cache/bazel/_bazel_root/e53bbb0b0da4e26d24b415310219b953/execroot/tf_serving && \
exec env - \
PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
PWD=/proc/self/cwd \
PYTHON_BIN_PATH=/usr/bin/python \
/usr/bin/gcc -U_FORTIFY_SOURCE -fstack-protector -Wall -Wunused-but-set-parameter -Wno-free-nonheap-object -fno-omit-frame-pointer -g0 -O2 '-D_FORTIFY_SOURCE=1' -DNDEBUG -ffunction-sections -fdata-sections '-std=c++0x' -MD -MF bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.d '-frandom-seed=bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.o' '-DGRPC_ARES=0' -iquote external/grpc -iquote bazel-out/k8-opt/genfiles/external/grpc -iquote bazel-out/k8-opt/bin/external/grpc -iquote external/zlib_archive -iquote bazel-out/k8-opt/genfiles/external/zlib_archive -iquote bazel-out/k8-opt/bin/external/zlib_archive -isystem external/grpc/include -isystem bazel-out/k8-opt/genfiles/external/grpc/include -isystem bazel-out/k8-opt/bin/external/grpc/include -isystem external/zlib_archive -isystem bazel-out/k8-opt/genfiles/external/zlib_archive -isystem bazel-out/k8-opt/bin/external/zlib_archive -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf -mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma -mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2 -mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase -mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f -mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec -mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi -mno-clwb -mno-mwaitx -mno-clzero '--paraml1-cache-size=32' '--paraml1-cache-line-size=64' '--paraml2-cache-size=2048' '-mtune=core2' '-std=c++14' '-D_GLIBCXX_USE_CXX11_ABI=0' -fno-canonical-system-headers -Wno-builtin-macro-redefined '-D__DATE__="redacted"' '-D__TIMESTAMP__="redacted"' '-D__TIME__="redacted"' -c external/grpc/src/core/lib/iomgr/endpoint_pair_uv.cc -o bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.o)
Execution platform: @bazel_tools//platforms:host_platform
gcc: error: unrecognized command line option '--paraml1-cache-size=32'
gcc: error: unrecognized command line option '--paraml1-cache-line-size=64'
gcc: error: unrecognized command line option '--paraml2-cache-size=2048'
Target //tensorflow_serving/model_servers:tensorflow_model_server failed to build
看来这跟下面的issue on github有关。
- 我在没有包含 space 的标志的情况下尝试了编译，结果很好，这加强了错误是由于 space 从 bazel 错误处理引起的假设。
我该如何解决这个问题？
I would like to run tensorflow-serving on some older machine (target system) which doesn't support modern cpu instructions used in the standard tensorflow build. I used these instructions for installing tf-serving via docker. However I ran into the error Tensorflow Serving Illegal Instruction core dumpedsimilar to this one on github...
Bazel 和 TensorFlow 在其构建标志中默认使用 -march=native，如果我没记错的话。
您应该省略标志，或指定更合适的标志，例如 -march=sse4.2。
-march=core2 -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf
-mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma
-mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2
-mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase
-mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f
-mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec
-mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi
-mno-clwb -mno-mwaitx -mno-clzero -mno-pku --param l1-cache-size=32
--param l1-cache-line-size=64 --param l2-cache-size=2048 -mtune=core2
您的转储显示 -mno-sse4.1。我相信这意味着您可以使用以下内容并完成它。
-msse2 -msse3 -mssse3
x86_64将SSE2作为核心指令集的一部分，因此意味着MMX和SSE。
我认为你不应该使用-march=core2和-mtune=core2因为Core2意味着你有SSE4.1（早期的iCore cpus）或SSE4.2（后来的iCore cpus）。
从 x86_64 options 上的 GCC 手册页来看，这对我来说 suspicious/wrong：
core2
Intel Core2 CPU with 64-bit extensions, MMX, SSE, SSE2, SSE3 and SSSE3 instruction set support.
我相当确定 Core2 比 SSSE3 更强大。我保留了几台 Core2 机器进行测试，它们有 SSE4.1 和 SSE4.2。 （我相信一个有CRC指令，那就是SSE4.2 ISA）。
我对 GCC 选项页面的看法可能是错误的，但我觉得它很可疑。
Tensorflow Serving Illegal Instruction core dumped
非法指令是什么？
gcc -### -E - -march=native 2>&1 | sed -r '/cc1/!d;s/(")|(^.* - )//g'
只是另一种观点，但我发现这样的东西更有用。来自 Skylake 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __AES__ 1
#define __AVX__ 1
#define __AVX2__ 1
#define __PCLMUL__ 1
#define __RDRND__ 1
#define __RDSEED__ 1
#define __SSE__ 1
#define __SSE2__ 1
#define __SSE2_MATH__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE4_2__ 1
#define __SSE_MATH__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3、-msse4.1、-msse4.2、-mavx 和-mavx2.
并且来自 Core2 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __SSE__ 1
#define __SSE2__ 1
#define __SSE2_MATH__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE_MATH__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3 和 -msse4.1.
并且来自另一台 Core2 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __SSE2_MATH__ 1
#define __SSE2__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE_MATH__ 1
#define __SSE__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3 和 -msse4.1.
尽管如此，我觉得这很可疑。什么文件名？该选项指定缓存行大小。您是否缺少选项的 --？
ERROR: Skipping 'l1-cache-line-size=64': couldn't determine target from filename 'l1-cache-line-size=64'
ERROR: couldn't determine target from filename 'l1-cache-line-size=64'
背景资料
我想 运行 在不支持标准 tensorflow 构建中使用的现代 cpu 指令的旧机器（目标系统）上使用 tensorflow-serving。我使用了这些 instructions for installing tf-serving via docker. However I ran into the error Tensorflow Serving Illegal Instruction core dumpedsimilar to this one on github. The suggested solution was to use a docker build-image to compile the binary on my target system which is described here。
由于这部分与我问题的复现有关，我将相关命令复制到这里：
git clone https://github.com/tensorflow/serving
cd serving
docker build --pull -t $USER/tensorflow-serving-devel -f tensorflow_serving/tools/docker/Dockerfile.devel .
这将在我的慢速目标机器上的 docker 容器中使用标志 -march=native 编译二进制文件并运行。
目标系统信息
然而，在我的旧机器上，编译需要很长时间，我想使用我的另一台功能更强大的电脑来交叉编译二进制文件。我使用此 answer 中提供的命令找出目标系统所需的编译标志，以复制构建标志 -march=native，这是上述过程中隐式使用的默认标志。
gcc -### -E - -march=native 2>&1 | sed -r '/cc1/!d;s/(")|(^.* - )//g'
给我以下标志：
-march=core2 -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf -mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma -mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2 -mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase -mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f -mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec -mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi -mno-clwb -mno-mwaitx -mno-clzero -mno-pku --param l1-cache-size=32 --param l1-cache-line-size=64 --param l2-cache-size=2048 -mtune=core2
请特别注意末尾包含 spaces 的以下标志：
--param l1-cache-size=32 --param l1-cache-line-size=64 --param l2-cache-size=2048
我可以通过构建参数 TF_SERVING_BUILD_OPTIONS 在 docker 构建过程中提供这些标志，如 docs here
此字符串随后用于 运行 bazel 构建，可以在 Dockerfile.devel
因此我从上面取出所有标志并将--copt=放在前面并将结果字符串放在变量TF_SERVING_BUILD_OPTIONS中。这是我的全部命令，包括最后的科普特人 spaces:
docker build --pull \
--build-arg TF_SERVING_BUILD_OPTIONS="--copt=-mmmx --copt=-mno-3dnow --copt=-msse --copt=-msse2 --copt=-msse3 --copt=-mssse3 --copt=-mno-sse4a --copt=-mcx16 --copt=-msahf --copt=-mno-movbe --copt=-mno-aes --copt=-mno-sha --copt=-mno-pclmul --copt=-mno-popcnt --copt=-mno-abm --copt=-mno-lwp --copt=-mno-fma --copt=-mno-fma4 --copt=-mno-xop --copt=-mno-bmi --copt=-mno-bmi2 --copt=-mno-tbm --copt=-mno-avx --copt=-mno-avx2 --copt=-mno-sse4.2 --copt=-mno-sse4.1 --copt=-mno-lzcnt --copt=-mno-rtm --copt=-mno-hle --copt=-mno-rdrnd --copt=-mno-f16c --copt=-mno-fsgsbase --copt=-mno-rdseed --copt=-mno-prfchw --copt=-mno-adx --copt=-mfxsr --copt=-mno-xsave --copt=-mno-xsaveopt --copt=-mno-avx512f --copt=-mno-avx512er --copt=-mno-avx512cd --copt=-mno-avx512pf --copt=-mno-prefetchwt1 --copt=-mno-clflushopt --copt=-mno-xsavec --copt=-mno-xsaves --copt=-mno-avx512dq --copt=-mno-avx512bw --copt=-mno-avx512vl --copt=-mno-avx512ifma --copt=-mno-avx512vbmi --copt=-mno-clwb --copt=-mno-mwaitx --copt=-mno-clzero --copt=--param l1-cache-size=32 --copt=--param l1-cache-line-size=64 --copt=--param l2-cache-size=2048 --copt=-mtune=core2" \
-t $USER/tensorflow/serving-devel \
-f tensorflow_serving/tools/docker/Dockerfile.devel .
问题
但是 bazel 抱怨如下，这可能是由于 --param 和 l1-cache-size=32 之间的 space，这是提供给 bazel 构建调用的 C 编译器的一个选项。
ERROR: Skipping 'l1-cache-line-size=64': couldn't determine target from filename 'l1-cache-line-size=64'
ERROR: couldn't determine target from filename 'l1-cache-line-size=64'
INFO: Elapsed time: 20.233s
INFO: 0 processes.
FAILED: Build did NOT complete successfully (0 packages loaded)
The command '/bin/sh -c bazel build --color=yes --curses=yes ${TF_SERVING_BAZEL_OPTIONS} --verbose_failures --output_filter=DONT_MATCH_ANYTHING ${TF_SERVING_BUILD_OPTIONS} tensorflow_serving/model_servers:tensorflow_model_server && cp bazel-bin/tensorflow_serving/model_servers/tensorflow_model_server /usr/local/bin/' returned a non-zero code: 1
我试过的
- 我尝试转义最后一个标志中的 space 字符：
TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=--param\ l1-cache-size=32 --copt=--param\ l1-cache-line-size=64 --copt=--param\ l2-cache-size=2048 --copt=-mtune=core2 "
但是 bazel 仍然报出与上面相同的错误消息。
- 我尝试用双引号或单引号将命令括起来：
TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=\"--param l1-cache-size=32\" --copt=\"--param l1-cache-line-size=64\" --copt=\"--param l2-cache-size=2048\" --copt=-mtune=core2 "
同样出现之前的错误
我尝试对
copts使用内部双引号，并用外部单引号将TF_SERVING_BUILD_OPTIONS括起来，但同样的错误。我尝试用
\x22转义科普特人的双引号。出现与之前类似的错误。这次说明目标格式不正确ERROR: Skipping 'l1-cache-size=32\x22': Bad target pattern...我尝试使用
</code>:</p></li> 转义 space 字符 </ol> <pre><code>TF_SERVING_BUILD_OPTIONS="--copt=-mmmx ... --copt=--paraml1-cache-size=32 --copt=--paraml1-cache-line-size=64 --copt=--paraml2-cache-size=2048 --copt=-mtune=core2 "这次 bazel 没有抱怨，因为 copt 的参数是一个没有正常 spaces 的字符串。但是参数被错误地传递给 gcc，因为我得到以下错误：
ERROR: /root/.cache/bazel/_bazel_root/e53bbb0b0da4e26d24b415310219b953/external/grpc/BUILD:692:1: C++ compilation of rule '@grpc//:grpc_base_c' failed (Exit 1): gcc failed: error executing command (cd /root/.cache/bazel/_bazel_root/e53bbb0b0da4e26d24b415310219b953/execroot/tf_serving && \ exec env - \ PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \ PWD=/proc/self/cwd \ PYTHON_BIN_PATH=/usr/bin/python \ /usr/bin/gcc -U_FORTIFY_SOURCE -fstack-protector -Wall -Wunused-but-set-parameter -Wno-free-nonheap-object -fno-omit-frame-pointer -g0 -O2 '-D_FORTIFY_SOURCE=1' -DNDEBUG -ffunction-sections -fdata-sections '-std=c++0x' -MD -MF bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.d '-frandom-seed=bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.o' '-DGRPC_ARES=0' -iquote external/grpc -iquote bazel-out/k8-opt/genfiles/external/grpc -iquote bazel-out/k8-opt/bin/external/grpc -iquote external/zlib_archive -iquote bazel-out/k8-opt/genfiles/external/zlib_archive -iquote bazel-out/k8-opt/bin/external/zlib_archive -isystem external/grpc/include -isystem bazel-out/k8-opt/genfiles/external/grpc/include -isystem bazel-out/k8-opt/bin/external/grpc/include -isystem external/zlib_archive -isystem bazel-out/k8-opt/genfiles/external/zlib_archive -isystem bazel-out/k8-opt/bin/external/zlib_archive -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf -mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma -mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2 -mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase -mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f -mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec -mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi -mno-clwb -mno-mwaitx -mno-clzero '--paraml1-cache-size=32' '--paraml1-cache-line-size=64' '--paraml2-cache-size=2048' '-mtune=core2' '-std=c++14' '-D_GLIBCXX_USE_CXX11_ABI=0' -fno-canonical-system-headers -Wno-builtin-macro-redefined '-D__DATE__="redacted"' '-D__TIMESTAMP__="redacted"' '-D__TIME__="redacted"' -c external/grpc/src/core/lib/iomgr/endpoint_pair_uv.cc -o bazel-out/k8-opt/bin/external/grpc/_objs/grpc_base_c/endpoint_pair_uv.o) Execution platform: @bazel_tools//platforms:host_platform gcc: error: unrecognized command line option '--paraml1-cache-size=32' gcc: error: unrecognized command line option '--paraml1-cache-line-size=64' gcc: error: unrecognized command line option '--paraml2-cache-size=2048' Target //tensorflow_serving/model_servers:tensorflow_model_server failed to build看来这跟下面的issue on github有关。
- 我在没有包含 space 的标志的情况下尝试了编译，结果很好，这加强了错误是由于 space 从 bazel 错误处理引起的假设。
我该如何解决这个问题？
I would like to run tensorflow-serving on some older machine (target system) which doesn't support modern cpu instructions used in the standard tensorflow build. I used these instructions for installing tf-serving via docker. However I ran into the error Tensorflow Serving Illegal Instruction core dumpedsimilar to this one on github...
Bazel 和 TensorFlow 在其构建标志中默认使用 -march=native，如果我没记错的话。
您应该省略标志，或指定更合适的标志，例如 -march=sse4.2。
-march=core2 -mmmx -mno-3dnow -msse -msse2 -msse3 -mssse3 -mno-sse4a -mcx16 -msahf -mno-movbe -mno-aes -mno-sha -mno-pclmul -mno-popcnt -mno-abm -mno-lwp -mno-fma -mno-fma4 -mno-xop -mno-bmi -mno-bmi2 -mno-tbm -mno-avx -mno-avx2 -mno-sse4.2 -mno-sse4.1 -mno-lzcnt -mno-rtm -mno-hle -mno-rdrnd -mno-f16c -mno-fsgsbase -mno-rdseed -mno-prfchw -mno-adx -mfxsr -mno-xsave -mno-xsaveopt -mno-avx512f -mno-avx512er -mno-avx512cd -mno-avx512pf -mno-prefetchwt1 -mno-clflushopt -mno-xsavec -mno-xsaves -mno-avx512dq -mno-avx512bw -mno-avx512vl -mno-avx512ifma -mno-avx512vbmi -mno-clwb -mno-mwaitx -mno-clzero -mno-pku --param l1-cache-size=32 --param l1-cache-line-size=64 --param l2-cache-size=2048 -mtune=core2
您的转储显示 -mno-sse4.1。我相信这意味着您可以使用以下内容并完成它。
-msse2 -msse3 -mssse3
x86_64将SSE2作为核心指令集的一部分，因此意味着MMX和SSE。
我认为你不应该使用-march=core2和-mtune=core2因为Core2意味着你有SSE4.1（早期的iCore cpus）或SSE4.2（后来的iCore cpus）。
从 x86_64 options 上的 GCC 手册页来看，这对我来说 suspicious/wrong：
core2
Intel Core2 CPU with 64-bit extensions, MMX, SSE, SSE2, SSE3 and SSSE3 instruction set support.
我相当确定 Core2 比 SSSE3 更强大。我保留了几台 Core2 机器进行测试，它们有 SSE4.1 和 SSE4.2。 （我相信一个有CRC指令，那就是SSE4.2 ISA）。
我对 GCC 选项页面的看法可能是错误的，但我觉得它很可疑。
Tensorflow Serving Illegal Instruction core dumped
非法指令是什么？
gcc -### -E - -march=native 2>&1 | sed -r '/cc1/!d;s/(")|(^.* - )//g'
只是另一种观点，但我发现这样的东西更有用。来自 Skylake 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __AES__ 1
#define __AVX__ 1
#define __AVX2__ 1
#define __PCLMUL__ 1
#define __RDRND__ 1
#define __RDSEED__ 1
#define __SSE__ 1
#define __SSE2__ 1
#define __SSE2_MATH__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE4_2__ 1
#define __SSE_MATH__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3、-msse4.1、-msse4.2、-mavx 和-mavx2.
并且来自 Core2 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __SSE__ 1
#define __SSE2__ 1
#define __SSE2_MATH__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE_MATH__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3 和 -msse4.1.
并且来自另一台 Core2 机器：
$ gcc -march=native -dM -E - </dev/null | grep -E 'SSE|CRC|AES|PCL|RDRND|RDSEED|AVX' | sort
#define __SSE2_MATH__ 1
#define __SSE2__ 1
#define __SSE3__ 1
#define __SSE4_1__ 1
#define __SSE_MATH__ 1
#define __SSE__ 1
#define __SSSE3__ 1
从预处理器转储我知道我可以使用 -msse2、-msse3、-mssse3 和 -msse4.1.
尽管如此，我觉得这很可疑。什么文件名？该选项指定缓存行大小。您是否缺少选项的 --？
ERROR: Skipping 'l1-cache-line-size=64': couldn't determine target from filename 'l1-cache-line-size=64'
ERROR: couldn't determine target from filename 'l1-cache-line-size=64'