重新编译一个不支持 AVX、AVX2的 TensorFlow 1.15的python3.7的安装包
事情是这样的，以前写过一个图像识别程序，是在python3.7 centos7上实现的，是要求cpu支持avx指令的，但是最近在一台电脑 上部署时发现这台电脑不支持avx的，参才之前的文章
在不支持avx指令集的cpu上部署tensorflow及keras._6133指令集-CSDN博客
但是安装包没有linux下的python版本，得自己编译生成了。这里面问题也不小。
我的系统是ubuntu2404，下载了tensorflow源代码后，配好编译环境，切换到1.5.0分支后各种代码报错，实在是搞不定了，
是的，你完全可以在 Ubuntu 24.04 上编译出一个不带 AVX 的 tensorflow==1.15，然后拷贝到 CentOS 7 上使用，前提是两台机器的 Python 版本、架构一致（通常都是 x86_64）。
✅ 编译逻辑简述
你要做的就是：
-
在 Ubuntu 24.04 上编译 TensorFlow 1.15，禁用 AVX、AVX2、FMA 等指令集。
-
生成
.whl安装包（比如tensorflow-1.15.0-cp37-cp37m-linux_x86_64.whl）。 -
将该
.whl拷贝到 CentOS 7 上，用pip install安装即可。
✅ 编译准备步骤（Ubuntu 24.04）
1. 安装依赖
sudo apt update
sudo apt install -y python3.7 python3.7-dev python3-pip git zip unzip
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.7 1
sudo pip install -U pip setuptools wheel numpy
2. 安装 Bazel（TensorFlow 1.15 兼容 Bazel 0.26.1）
wget https://github.com/bazelbuild/bazel/releases/download/0.26.1/bazel-0.26.1-installer-linux-x86_64.sh
chmod +x bazel-0.26.1-installer-linux-x86_64.sh
./bazel-0.26.1-installer-linux-x86_64.sh
3. 下载 TensorFlow 1.15 源码
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
git checkout r1.15
4. 配置编译环境（重点是禁用 AVX）
./configure
关键配置回答如下：
Do you wish to build TensorFlow with CUDA support? [y/N]: n
...
Please specify optimization flags to use during compilation:
→ 输入：`-march=core2 -mno-avx -mno-avx2 -mno-fma`
说明：
-
-march=core2是一组兼容最基础 x86_64 + SSE2 的优化 -
关闭 AVX/AVX2/FMA 以保证能运行在老旧 CPU 上
5. 开始构建 .whl 安装包（耗时约 1 小时）
bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
./bazel-bin/tensorflow/tools/pip_package/build_pip_package ./output
生成的文件类似：
./output/tensorflow-1.15.0-cp37-cp37m-linux_x86_64.whl
✅ 拷贝并安装到 CentOS 7 上
-
拷贝
.whl到 CentOS（如用 scp）：
scp tensorflow-1.15.0-*.whl user@centos7:/tmp/
-
在 CentOS 7 上安装：
pip install /tmp/tensorflow-1.15.0-*.whl
🧠 注意事项
-
TensorFlow 的
.whl与 Python 版本和平台强相关（确保都是Python 3.7和x86_64）。 -
不要用
-march=native，否则仍会编译进 AVX 指令。 -
编译机器的系统版本（Ubuntu 24.04）与目标运行环境（CentOS 7）可以不同，但glibc 版本不能太新，否则运行时可能报错（可通过
ldd --version检查 glibc 版本）。
后来发现，推荐用docker拉取一个低版本的ubuntu2004来实现
FROM ubuntu:20.04ENV DEBIAN_FRONTEND=noninteractive# 使用清华 APT 源（可选）
RUN sed -i 's|http://archive.ubuntu.com/ubuntu/|http://mirrors.tuna.tsinghua.edu.cn/ubuntu/|g' /etc/apt/sources.list && \sed -i 's|http://security.ubuntu.com/ubuntu/|http://mirrors.tuna.tsinghua.edu.cn/ubuntu/|g' /etc/apt/sources.list# 安装构建工具和 GCC 7
RUN apt-get update && \apt-get install -y \build-essential \gcc-7 g++-7 \curl git zip unzip \openjdk-8-jdk \zlib1g-dev \libffi-dev \libssl-dev \libsqlite3-dev \wget \patch \ca-certificates && \ln -sf /usr/bin/gcc-7 /usr/bin/gcc && \ln -sf /usr/bin/g++-7 /usr/bin/g++ && \ln -sf /usr/bin/python3.8 /usr/bin/python && \curl -sS https://bootstrap.pypa.io/get-pip.py | python
# 安装python 我用的是Anaconda3-2019.10-Linux-x86_64.sh# 安装 Bazel（兼容 TensorFlow 1.15）
RUN wget https://github.com/bazelbuild/bazel/releases/download/0.26.1/bazel-0.26.1-installer-linux-x86_64.sh && \chmod +x bazel-0.26.1-installer-linux-x86_64.sh && \./bazel-0.26.1-installer-linux-x86_64.sh && \rm -f bazel-0.26.1-installer-linux-x86_64.sh# 克隆 TensorFlow 源码
WORKDIR /workspace
RUN git clone https://github.com/tensorflow/tensorflow.git && \cd tensorflow && git checkout v1.15.0WORKDIR /workspace/tensorflow# 配置环境
RUN yes "" | python configure.py# 编译 TensorFlow（禁用 AVX）
RUN bazel build --config=opt \--copt=-march=native \--copt=-Wno-sign-compare \--copt=-mno-avx \--copt=-mno-avx2 \--copt=-mfpmath=387 \//tensorflow/tools/pip_package:build_pip_package# 打包为 whl
RUN ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkgCMD ["bash"]之后要安装
pip install numpy keras_preprocessing keras_applications wheel进入容器
docker exec -it ubuntu_rapb-ubuntu_rApb-1 bash将容器保存在文件
docker commit ubuntu5000 tempimage | xargs -I {} docker save {} | gzip > ubuntu5000.tar.gz文件迁移到另外的机器上
## ✅ 步骤一：使用 `docker load` 载入镜像
docker load -i ubuntu5000.tar
docker load < ubuntu5000.tar.gz
加载成功后，你会看到类似输出：Loaded image: ubuntu5000-image:latest ## ✅ 步骤二：验证镜像是否导入成功docker images ## ✅ 步骤三：使用导入的镜像运行容器（如带端口和自动运行脚本）docker run -d \-p 5000:5000 \--name my-restored-container \-w /opt/mobile/src \ubuntu5000-image:latest \/root/anaconda3/bin/python NewMobileNetv2_ImageClassificationService.py