很多时候为了方便图省事，是通过pip安装TensorFlow的，然而很不幸运行的服务器不支持AVX指令，引入模块的时候会报错：

The TensorFlow library was compiled to use AVX instructions, but these aren’t available on your machine.

这种时候没办法了，需要自己编译了。编译必须Bazel，而Bazel推荐用Bazelisk安装。

安装Bazelisk

前往Bazelisk，下载最新可执行文件：
上传bazelisk-linux-amd64到/usr/local/bin下。改名bazel，赋予执行权限：

chmod +x bazel

之后确保将bazel加入到PATH中。

安装Python

确保安装了正确版本的Python，并且安装了开发包（本例TensorFlow 2.11.0对应Python版本是3.9.13）：

# 检查Python版本
python -version
# 检查是否安装了开发包（重要！你也不想编译一个多小时突然报错找不到Python文件吧）
find / -name Python.h 2>/dev/null
# 安装开发包
sudo yum install python3-devel

配置环境变量：

# 根据实际修改，该目录下需要包含Python.h
export PYTHON_INCLUDE_PATH=/usr/include/python3.9

安装依赖

pip install -U --user pip numpy wheel
pip install -U --user keras_preprocessing --no-deps

这些依赖的版本与TensorFlow的版本有关。
以TensorFlow2.11.0为例，这个版本已经比较老了，应该指定numpy版本为1.26.4，新版numpy 2.0.2与旧版tensorflow不兼容：
pip install -U --user numpy==1.26.4
版本对应关系没有参考资料，只能根据发布时间和零星的github issue摸索。
更搞笑的是，还有降依赖的情况，例如2.11.0允许依赖numpy 1.26.4，但是2.12.0必须numpy<1.24，参考这里。

安装TensorFlow

前往TensorFlow，下载源码：

本例是tensorflow-2.11.0.tar.gz。

然后上传tensorflow-2.11.0.tar.gz并解压，cd到解压后的源码根目录，运行：

./configure

接下来会询问若干配置，没有特殊需求的话，尽量都选no然后回车，否则编译时有可能报错。

注意./configure询问Python位置时，默认是软链接/usr/bin/python3
请替换为实际可执行文件，例如/usr/bin/python3.9，否则编译时会报错找不到Python.h，参考这里。
另外，请确保指定了正确的python lib路径（例如/usr/local/lib/python3.9/site-packages）。
必须能在指定目录下找到numpy、wheel和keras_preprocessing的包。

然后开始用bazel编译：

bazel build  --local_ram_resources=2048 //tensorflow/tools/pip_package:build_pip_package

需要等待极漫长的时间，配置差的话可能要数小时，耐心等待。

完成后，构建.whl：

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

项目pip安装：

# 此处根据实际的生成结果修改
pip install /tmp/tensorflow_pkg/tensorflow-2.11.0.whl