如何构建独立TensorFlow Lite静态库？解决共享库编译符号缺失问题

1. 直接使用官方内置的共享库构建目标 #

TensorFlow Lite的CMake构建系统已经提供了生成独立共享库的目标，无需手动打包.a文件。执行以下命令配置并编译：

cmake -S <tensorflow-lite源码目录> -B build \
  -DCMAKE_BUILD_TYPE=Release \
  -DBUILD_SHARED_LIBS=ON \
  -DTFLITE_ENABLE_XNNPACK=ON # 按需开启加速选项，不需要可移除

编译完成后，build/libtensorflowlite.so（Linux）或对应平台的共享库文件就是包含所有必要依赖的独立库。

2. 自定义共享库（包含自有推理逻辑） #

如果要将你的业务代码与TFLite打包成一个共享库，需在CMakeLists.txt中正确链接TFLite的完整依赖链，示例配置：

cmake_minimum_required(VERSION 3.16)
project(custom_tflite_inference_lib)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
# 共享库必须启用位置无关代码
set(CMAKE_POSITION_INDEPENDENT_CODE ON)

# 引入TensorFlow Lite的CMake配置
add_subdirectory(path/to/tensorflow-lite EXCLUDE_FROM_ALL)

# 定义你的共享库
add_library(custom_inference_lib SHARED
  your_inference_impl.cpp
)

# 链接TFLite及其所有依赖
target_link_libraries(custom_inference_lib
  PRIVATE
  tensorflow-lite
)

3. 解决未定义符号的核心要点 #

• 依赖链自动拉取：不要手动打包build/_deps下的.a文件，tensorflow-lite目标会自动关联所有依赖子库（如flatbuffers、ruy等），手动打包容易遗漏或顺序错误。
• 位置无关代码：共享库必须添加-fPIC编译选项，通过CMake的CMAKE_POSITION_INDEPENDENT_CODE ON全局设置即可。
• 按需禁用特性：如果不需要GPU加速、NNAPI等功能，可通过CMake选项关闭以减少依赖：

  -DTFLITE_ENABLE_GPU=OFF
  -DTFLITE_ENABLE_NNAPI=OFF
  

4. 验证共享库独立性 #

编译完成后，用工具检查依赖是否符合预期：

# Linux
ldd build/libcustom_inference_lib.so
# macOS
otool -L build/libcustom_inference_lib.dylib

确保输出中只有系统基础库（如libc.so、libstdc++.so），无额外第三方依赖。

内容的提问来源于stack exchange，提问作者ZR Han