在不支持AVX的Windows CPU（Pentium J6426）上安装TensorFlow 2.17/2.18

自行编译是可行的，但流程不止修改编译选项这么简单，需要适配TensorFlow 2.17/2.18的构建体系，以下是具体要点和步骤：

核心修改点 #

• 必须在编译全程禁用AVX相关指令集：无论是配置脚本还是构建命令，都要添加--copt=-mno-avx、--copt=-mno-avx2、--copt=-mno-fma这类参数，确保TensorFlow不会生成依赖AVX的机器码。

编译前环境准备 #

• 安装对应版本的Python：TensorFlow 2.17支持Python 3.8-3.11，2.18支持3.9-3.12，推荐选3.10或3.11，兼容性更好。
• 安装CMake 3.26以上版本、Ninja构建工具，确保添加到系统环境变量。
• 安装Visual Studio 2022，必须勾选「C++桌面开发」组件，以及对应的Windows SDK。
• 克隆TensorFlow源码仓库，切换到指定版本tag：

  git clone https://github.com/tensorflow/tensorflow.git
  cd tensorflow
  git checkout v2.17.0 # 或v2.18.0
  

• 安装编译依赖：

  pip install numpy wheel packaging opt_einsum keras_preprocessing
  

编译关键步骤 #

1. 配置编译参数：
   用无交互模式直接传入禁用AVX的参数，避免手动选择出错：

   python configure.py --no-interactive --copt=-mno-avx --copt=-mno-avx2 --copt=-mno-fma --config=opt
   

   若用交互模式，遇到CPU指令集相关选项时，选择禁用AVX、AVX2等优化。

2. 用Bazel构建TensorFlow：
   注意匹配对应版本的Bazel——2.17用Bazel 6.4.0，2.18用Bazel 6.5.0，安装对应版本并添加到环境变量：

   bazel build --config=opt --copt=-mno-avx --copt=-mno-avx2 --copt=-mno-fma //tensorflow/tools/pip_package:build_pip_package
   

3. 生成wheel包：

   ./bazel-bin/tensorflow/tools/pip_package/build_pip_package ./tensorflow_pkg
   

4. 安装本地wheel包：

   pip install ./tensorflow_pkg/tensorflow-*.whl
   

注意事项 #

• 旧教程适配问题：TensorFlow 2.17/2.18的构建依赖（比如Bazel版本、Python版本）和旧版本差异较大，不能直接照搬旧教程的配置，必须严格对应官方文档的版本要求。
• 资源要求：编译需要至少16GB内存，磁盘空间预留50GB以上，编译时长可能在3-8小时不等，取决于硬件性能。
• 编译失败排查：如果遇到编译错误，优先检查Bazel版本、依赖包版本是否匹配，其次确认AVX禁用参数是否在所有编译环节都已添加。

内容的提问来源于stack exchange，提问作者Alkhwarizmi