如何查看Bazel识别的CPU/平台？解决aarch64 Linux编译TensorFlow报错

我之前在aarch64 Linux单板上编译TensorFlow时也遇到过几乎一模一样的Bazel平台误识别问题，给你整理几个亲测有效的解决步骤：

Bazel确实不像CMake那样有直观的message指令，但你可以通过以下方式获取它实际识别的平台参数：

• 最直接的方式是用bazel info命令，它会输出构建环境的关键信息，其中host_cpu和target_cpu就是你要找的架构值：

  bazel info host_cpu target_cpu
  

  正常aarch64 Linux环境下，这两个值应该是aarch64或arm64（取决于Bazel版本）。如果显示的是armeabi-v7a，那就坐实了误识别的问题。
• 要是需要更详细的编译配置细节，可以生成构建日志并过滤关键信息：

  bazel build --verbose_failures --subcommands //tensorflow:libtensorflow.so 2>&1 | grep -i "cpu\|target"
  

  另外，Bazel的CROSSTOOL配置文件里也会记录完整的编译目标参数，路径一般是bazel-out/host/bin/external/local_config_cc/CROSSTOOL，用文本编辑器打开后搜索target_cpu就能看到具体配置。

既然Bazel误把环境当成了Android armeabi-v7a，我们需要手动指定正确的平台：

• 方法一：重新运行configure脚本
  回到TensorFlow根目录，重新执行./configure，当脚本询问是否配置Android构建时，一定要选No；在询问目标架构时，明确输入aarch64（或arm64）。这个步骤会生成正确的初始配置，避免后续自动识别出错。
• 方法二：构建时通过命令行参数强制指定
  如果不想重新configure，可以在每次构建时添加以下参数：

  bazel build --config=linux --cpu=aarch64 --host_cpu=aarch64 //tensorflow:libtensorflow.so
  

  --config=linux明确告诉Bazel构建Linux目标，--cpu和--host_cpu强制指定架构为aarch64，彻底绕过自动识别。
• 方法三：修改.bazelrc默认配置
  为了不用每次输入参数，你可以修改TensorFlow根目录下的.bazelrc文件，添加以下内容：

  build --cpu=aarch64
  build --host_cpu=aarch64
  build --config=linux
  

  这样后续所有构建都会默认使用这些正确的平台参数。

如果上面的步骤还没解决-mfloat-abi=softfp的报错，可能需要单独调整libjpeg-turbo的构建配置：

• 找到libjpeg-turbo的BUILD文件，通常在third_party/libjpeg_turbo/BUILD（TensorFlow内部依赖）或者external/libjpeg-turbo/BUILD（外部依赖）。
• 找到里面的cc_library规则，删除其中针对armeabi-v7a的-mfloat-abi=softfp编译选项——aarch64架构根本不需要这个参数，直接删掉即可。
• 或者在构建时通过--copt参数强制覆盖编译器选项：

  bazel build --config=linux --cpu=aarch64 --copt="-march=armv8-a" //tensorflow:libtensorflow.so
  

  -march=armv8-a是aarch64的标准架构参数，能确保编译器使用正确的指令集编译所有依赖。

内容的提问来源于stack exchange，提问作者Yusuke