Linux x86环境下同时导入TensorFlow与加载libtensorflow.so报错

问题根源 #

Linux下动态链接器默认允许相同库多次加载（除非配置符号共享），而Windows的DLL加载机制默认共享符号，因此不会触发冲突。当Python的TensorFlow和手动加载的libtensorflow.so各自初始化时，会重复注册TensorFlow内部的单例资源（如监控指标、设备工厂），导致报错。

可行解决方案 #

1. 复用Python TensorFlow已加载的库实例 #

Python导入TensorFlow时已将libtensorflow.so加载到进程空间，无需重复加载，直接获取已加载的库句柄：

import tensorflow as tf
import ctypes

# 获取TensorFlow库所在目录
tf_lib_dir = tf.sysconfig.get_lib()
# 拼接libtensorflow.so的完整路径（部分版本可能是带后缀的libtensorflow.so.2）
libtensorflow_path = f"{tf_lib_dir}/libtensorflow.so"

# 使用RTLD_NOLOAD标志避免重复加载，直接复用已加载的库
tensorflowdll = ctypes.CDLL(libtensorflow_path, mode=ctypes.RTLD_NOLOAD)

2. 调整C++动态库的编译配置 #

若你自行编译C++动态库，需确保它动态依赖TensorFlow而非静态链接：

• 编译时使用-ltensorflow链接选项，让库依赖进程中已加载的libtensorflow.so，而非初始化独立的TensorFlow实例。

3. 全局符号加载（备选方案） #

若必须手动加载库，可尝试用RTLD_GLOBAL让库的符号全局可见，后续TensorFlow加载时会复用这些符号：

import ctypes
# 先加载TensorFlow库并设置全局符号
tensorflowdll = ctypes.CDLL('libtensorflow.so', mode=ctypes.RTLD_GLOBAL)
# 再导入Python的TensorFlow
import tensorflow as tf

⚠️ 注意：该方式可能引发其他符号冲突风险，仅在其他方案无效时使用。

额外验证步骤 #

• 确保Python环境与C++动态库依赖的TensorFlow版本完全一致，版本不匹配会加剧符号冲突。
• 用ldd命令检查C++动态库的依赖路径，确认它指向Python TensorFlow使用的同一份libtensorflow.so文件。

内容的提问来源于stack exchange，提问作者Nathan