编译TensorFlow r1.5分支时出现third_party/eigen3包不存在错误

你遇到的问题核心是循环符号链接导致Bazel无法正常遍历third_party/eigen3目录——具体是mkl_include/include这个链接形成了无限嵌套的层级，让Bazel的文件匹配（glob）操作陷入死循环，最终触发"Too many levels of symbolic links"错误。

问题根源 #

TensorFlow r1.5对MKL的集成还处于早期阶段，自动配置脚本或手动操作时，很容易错误创建指向自身的符号链接。比如mkl_include/include被设置为指向当前目录，导致每次访问都会进入更深一层的include/include/include/...，直到触发系统的层级限制。

修复步骤 #

1. 检查并删除错误的符号链接
   先查看当前链接的状态，确认是否存在循环：

   ls -l /home/mv310/projects/tensorflow/third_party/eigen3/mkl_include/
   

   如果看到include -> ./include或类似指向自身/循环路径的链接，立即删除：

   rm /home/mv310/projects/tensorflow/third_party/eigen3/mkl_include/include
   

2. 重新创建正确的MKL include链接
   找到你系统中MKL的实际include目录（通常默认路径是/opt/intel/mkl/include，自定义安装请替换为你的真实路径），然后创建正确的符号链接：

   ln -s /opt/intel/mkl/include /home/mv310/projects/tensorflow/third_party/eigen3/mkl_include/include
   

3. 清理Bazel缓存
   旧的缓存可能残留错误的目录结构，执行彻底清理避免干扰：

   bazel clean --expunge
   

4. 重新执行编译命令
   回到TensorFlow根目录，重新运行编译指令：

   bazel build --config=opt --config=cuda --config=mkl //tensorflow/tools/pip_package:build_pip_package
   

额外注意事项 #

• 执行./configure时，务必输入MKL的根目录（比如/opt/intel/mkl），而非直接输入include子目录，否则自动配置脚本大概率会生成错误的链接。
• TensorFlow r1.5属于旧版本，虽然支持CUDA 9.1和cuDNN 7，但如果后续出现其他兼容性问题，建议检查官方针对r1.5的补丁，或严格匹配依赖版本要求。

内容的提问来源于stack exchange，提问作者Mark van der Wilk