SyntaxNet GPU版安装

git clone --recursive https://github.com/tensorflow/models.git
cd models/syntaxnet/tensorflow
./configure
cd ..
bazel test syntaxnet/... util/utf8/...

这个时候你会发现有些软件需要下载，但是又无法download。好在机器还可以 wget 或 git clone下载。

models/syntaxnet/tensorflow/tensorflow/workspace.bzl 文件给出了需要 依赖的文件。最新版的syntaxnet需要依赖gmock1.7, eigen, farmhash, jpegsrc, libpng, six, re2, grpc.

url的用wget去下载;git地址用git clone下来，如果有init_submodules＝True， 你需要git clone --recursive下载。commit ＝ "xxxxx", 等下载好之后 git checkout xxxxx 到对应的版本上去。

先执行 bazel build syntaxnet/... util/utf8/... 等5-6秒后ctrl-c关闭， 这个时候切换到~/.cache/bazel/_bazel_lisheng.ls/xxxxxxxx/external/ 你会发现很多文件夹，比如eigen_archive, grpc等。带有archive的文 件夹，把压缩包放在对应的文件夹内，之后解压缩，这个时候还需要从 models/syntaxnet/tensorflow/下把对应的BUILD文件拷贝过来直接命名为 BUILD (gmock的BUILD文件在 models/syntaxnet/tensorflow/google/protobuf/gmock.BUILD)；不带 archive的就直接把对应的文件夹拷贝过来覆盖。

N.B. _bazel_lisheng.ls跟用户名关联，比如你是michael，对应的路径就是_bazel_michael

bazel test syntaxnet/... util/utf8/... --fetch=false

注意一定要加上 --fetch=fasle这个选项，目的就是不要让它去远程获取了。 如果一切顺利，最后测试通过就OK了。

配置：

cd models/syntaxnet/tensorflow 
./configure

N.B. 不要Google Cloud相关东西，那个选项输入N。 配置一下cuda相关东西，云GPU上配置一直默认就可以了。

配置完切换到 models/syntaxnet/tools/目录下，修改一下bazel.rc文件，添加 如下命令

build:cuda --define=using_cuda=true --define=using_cuda_nvcc=true

然后：

cd /models/syntaxnet/tensorflow/third_party/gpus/cuda

修改 BUILD 文件的172行的 "cd third_party/gpus/cuda" 为 "cd tensorflow/third_party/gpus/cuda" 类似下面这个函数，不保证以后的版本会不会是172行...

cmd = if_cuda(
  # Under cuda config, create all the symbolic links to the actual cuda files
  "OUTPUTDIR=`{} -f $(@D)/../../..`; cd third_party/gpus/cuda; OUTPUTDIR=$$OUTPUTDIR ./cuda_config.sh --check;".format(readlink_command()),
  ...
)

最后：

bazel test syntaxnet/... util/utf8/... --fetch=false --config=cuda

等待编译完成吧，貌似会有个测试无法通过，但不影响最后的使用...

内心是痛苦的，这玩意折腾了两天，网上也没有现成的方案。现记录与此希望 可以帮助到你。 编译完之后，我发现mxnet比它好多了，简单的Makefile就可以搞定所有 的编译。Google为了强推自己的工具，搞的太复杂了，先是bazel，后是 tensorflow，syntaxnet的gpu版还编译不通，估计也没指望我们用GPU吧:(

Anyway, Have Fun with SyntaxNet!