简介
本教程系列的第一篇在英特尔® 架构上构建和安装 TensorFlow*，展示了如何通过 GitHub* 存储库中的可用资源构建和安装在英特尔® 架构上优化的 TensorFlow。本文所提供的信息将介绍如何构建和安装TensorFlow* Serving — 专为生产环境设计的高性能机器学习服务系统。
安装概述
本文所述的安装指南源于 TensorFlow Serving GitHub网站提供的信息。下文中的步骤仅供大致了解安装流程；由于第三方信息可能随时更改，因此建议您同时查看 TensorFlow Serving网站提供的信息。
重要提示：下面提供的分步指南假设读者已阅读过教程 在英特尔® 架构上构建和安装 TensorFlow，该教程提供了 Bazel* 构建工具的安装步骤，以及其他本文未介绍的必要相关性。
安装 gRPC*
首先安装 Google Protocol RPC* 存储库 (gRPC*) — 用于实施远程过程调用 (RPC) 服务的框架。
sudo pip install grpcio
安装相关性
接下来，通过以下命令确保已安装其他 TensorFlow Serving 相关性：
sudo apt-get update && sudo apt-get install -y \
build-essential \
curl \
libcurl3-dev \
git \
libfreetype6-dev \
libpng12-dev \
libzmq3-dev \
pkg-config \
python-dev \
python-numpy \
python-pip \
software-properties-common \
swig \
zip \
zlib1g-dev
安装 TensorFlow* Serving
使用以下命令，从 GitHub 存储库克隆 TensorFlow Serving：
git clone --recurse-submodules https://github.com/tensorflow/serving
克隆过程中创建的 serving/tensorflow目录包含一个名为 “configure” 的脚本，该脚本必须执行，以定义路径名称、相关性和其他构建配置选项。对于在英特尔架构上优化的 TensorFlow，该脚本还支持您设置英特尔® 数学核心函数库（英特尔® MKL）的相关环境设置。发布以下命令：
cd serving/tensorflow
./configure
Important:选择 ‘Y’ 构建支持 MKL 的 TensorFlow，并选择 ‘Y’ 从 Web 中下载 MKL LIB。为其他配置参数选择默认设置。
cd ..
bazel build --config=mkl --copt="-DEIGEN_USE_VML" tensorflow_serving/...
测试安装情况
使用以下命令，测试 TensorFlow Serving 的安装情况：
bazel test tensorflow_serving/...
如果一切运行良好，将出现如下图 1 所示的结果。
图 1.TensorFlow Serving 安装测试结果。
后续文章
本系列教程的下一篇文章将介绍如何培训和保存 TensorFlow 模型、如何在 TensorFlow Serving 中托管该模型，以及如何在客户端应用中引用该模型。