TensorFlow 使用 CPU 加速指令集 (e.g. AVX-512) 的自訂編譯

This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.
To enable the following instructions: SSE3 SSE4.1 SSE4.2 AVX AVX2 AVX512F AVX512_VNNI AVX512_BF16 FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags.

使用 pip 直接從 Python Package Index 安裝 TensorFlow，之後 import 時，會冒出上面這則提示。

我目前使用的 CPU 是 AMD Ryzen 5 8500G，雖然內建的 GPU 不在 TensorFlow 支援之列（更嚴謹地說，是不在 AMD ROCm 框架支援之列），但是既然 CPU 有 AVX-512 指令集可用，那聊勝於無、不用白不用。

但是為了要啟用 AVX-512，就得自己編譯 TensorFlow，並指定需要的編譯旗標。

網上不少過時、無效的指引，這篇也不知道何時會過時、無效，純粹做個筆記。

1. 用 virtualenv 安裝目前 TensorFlow 支援的 Python 3.12 版本（發文當下 Python 最新正式版是 3.13，不過 TensorFlow 還不支援）。裝好後，在 terminal 下啟用 (activate) 這個 virtualenv。
2. 裝 LLVM & Clang 17（是的，發文當下 TensorFlow 也只支援 Clang 17 版）
3. 裝 patchelf
4. 裝 Bazelisk 這個 TensorFlow 使用的建置系統 Bazel 的版本管理器兼指令 wrapper（有點拗口？）
5. 下載 TensorFlow 原始碼
6. 找一處容量比 OS 預設的 /tmp（暫存檔專用目錄）更充裕的地方，建個目錄，設定 export TMPDIR=$PWD，不然最後在打包 wheel package 階段，會因為 /tmp 容量不足而失敗
7. 進到 TensorFlow 目錄下，執行 ./configure 回答幾個配置問題，如果前面幾點都有妥當安裝配置好，應該是一路 Enter 使用偵測到的預設值即可
8. 執行 bazelisk build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --copt="-march=native" 讓它建置出「偵測到可用、但預設未啟用」（如原始訊息所示）的那些 CPU 加速指令集的 TensorFlow，這步驟需要一點時間。
9. 順道一提，如果好奇 -march=native 背後做了哪些工，可以跑 bash -c 'echo | clang-17 -E - -march=native -###'（如果缺乏這樣的好奇心，我覺得也…沒事）
10. 先解除安裝既有的 TensorFlow，改安裝剛剛建置好、產出的 wheel package：pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow_cpu-2.20.0-cp312-cp312-linux_x86_64.whl

之後 import tensorflow as tf 時，理應就不會看到最上面那段訊息了。