我已经使用 bazel 构建了 syntaxnet 和 tensorflow-serving。两者都嵌入了自己的（部分？）张量流本身的副本。我已经有一个问题，我想在一个脚本中“导入”一些 tensorflow-serving 部分，该脚本“存在”在我无法弄清楚的语法树中（不做一些非常丑陋的事情）。
现在我想要“tensorboard”，但这显然不是作为syntaxnet 或tensorflow-serving 内的嵌入式tensorflow 的一部分构建的。
所以现在我确定“我做错了”。我应该如何组合由各种单独的 bazel 工作区构建的工件？
特别是，我如何构建 tensorflow（使用 tensorboard）和 syntaxnet 和 tensorflow-serving 并让它们“安装”以供使用，以便我可以开始在一个完全独立的目录/存储库中编写自己的脚本？
“./bazel-bin/blah”真的是 bazel 的结局吗？没有“make install”等价物吗？
你是对的，目前 Tensorboard 目标仅在 Tensorflow 存储库中公开，而不是其他两个使用它的目标。这意味着要真正启动 Tensorboard，您需要自行检出 Tensorflow 并在那里编译/运行 Tensorboard（将其指向生成的 logdir）。
实际上在日志目录中生成训练摘要数据是在训练期间完成的，在您的情况下是在 tensorflow/models 存储库中。看起来在inception_train.py中使用了 SummaryWriter ，所以也许你可以添加类似于 syntaxnet 的东西。如果这不起作用并且您无法链接 Tensorboard，我建议在 tensorflow/models 中提交一个问题，以在那里添加对 Tensorboard 的支持。你不应该在 Tensorflow Serving 中需要 Tensorboard。
在 syntaxnet 中导入 Tensorflow Serving 的部分内容需要您将这种新的依赖添加为子模块（就像使用 tensorflow 完成的那样），或者如果可行，可能会在 WORKSPACE 文件中添加一个 git_repository。我们从来没有尝试过这个，所以这个未经测试的用例可能会出现问题。如果您遇到此问题，请提出问题。
至于只是安装和运行，Tensorflow Serving 目前还不支持。它是一组库，您可以直接链接到服务器二进制文件并进行编译（repo 提供了一些示例服务器和客户端），但现在没有简单的“已安装服务器”。然而，Tensorflow 和 Tensorboard 可以从任何地方安装和链接。