从源码构建Bazel失败：Jetson TK1平台TensorFlow源码构建受阻

我之前在Jetson TK1上折腾过TensorFlow源码编译，完全明白卡在Bazel这一步有多崩溃——毕竟官方连ARM架构的预构建包都没有，只能硬啃源码编译的坑，而且TK1的硬件限制（2GB内存、ARMv7架构）又给这个过程添了不少麻烦。我当时试了一堆博客和GitHub方案也踩了不少坑，最后摸索出一套适配TK1的Bazel编译流程，你可以试试：

1. 先解决内存瓶颈，避免编译OOM #

TK1只有2GB物理内存，编译Bazel这种大型项目很容易直接内存溢出卡死，这是大部分通用方案忽略的关键点：

• 临时创建4GB swap分区（编译完可以删掉）：

  sudo fallocate -l 4G /swapfile
  sudo chmod 600 /swapfile
  sudo mkswap /swapfile
  sudo swapon /swapfile
  

• 强制限制并行编译线程数，别用默认的4核（内存扛不住），建议用-j2甚至-j1：
  后续编译Bazel和TensorFlow时都要加上这个参数。

2. 选对Bazel版本，别用最新版 #

新版本Bazel已经放弃了对ARMv7的官方支持，强行编译只会遇到一堆兼容问题。亲测Bazel 0.26.1是最后几个能稳定在TK1上编译的版本，别选更高的。

3. 源码编译Bazel的针对性修改 #

• 先克隆对应版本的源码并切换分支：

  git clone https://github.com/bazelbuild/bazel.git
  cd bazel
  git checkout 0.26.1
  

• 修改编译器配置文件，适配ARMv7架构：
  打开tools/cpp/cc_configure.bzl，找到find_cc_toolchain函数，添加ARMv7专属编译 flags：
  在文件开头插入这段代码：

  def _get_arm_compiler_flags():
      return ["-march=armv7-a", "-mfpu=neon", "-mfloat-abi=hard"]
  

  然后在函数中找到添加编译flags的位置，把_get_arm_compiler_flags()的结果加进去，确保编译器用TK1的硬件优化参数。
• 开始编译，指定Java环境和线程数：
  先确保TK1上装了openjdk-8-jdk（Bazel 0.26.1只支持Java 8，别装更高版本），然后执行：

  ./compile.sh --host_javabase=@local_jdk//:jdk --jobs 2
  

4. 编译完成后的收尾与TensorFlow准备 #

• 把编译好的Bazel放到系统路径：

  sudo cp output/bazel /usr/local/bin/
  

• 编译TensorFlow时也要适配TK1：
  运行./configure时，记得开启ARM NEON和CUDA支持（TK1带NVIDIA GPU，CUDA能大幅提升性能）；编译命令同样限制线程数：

  bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package --jobs 2
  

常见坑的快速解决 #

• 如果还是出现“out of memory”，把swap分区加到6GB，或者改用-j1单线程编译（虽然慢，但能保证不崩溃）。
• 别随便升级TK1的gcc版本，默认的gcc 4.8和TK1的内核是兼容的，升级到gcc 5+会出现内核头文件不兼容的问题。
• 遇到Java相关错误，检查是否装的是openjdk-8-jdk，用java -version确认版本。

内容的提问来源于stack exchange，提问作者Karthik