使用Bazel编译TensorFlow：引入TensorRT头文件

核心原因 #

Bazel采用沙箱化构建机制，直接通过-I指定外部路径或软链接到源码目录的方式会绕过Bazel的依赖管理，导致构建规则无法追踪头文件依赖，从而触发报错。正确的做法是通过Bazel的仓库声明机制将TensorRT纳入官方依赖管理体系。

具体解决步骤 #

1. 修改TensorFlow源码根目录的WORKSPACE文件 #

在文件末尾添加以下内容，将本地安装的TensorRT注册为Bazel本地仓库：

new_local_repository(
    name = "local_tensorrt",
    path = "/usr/local/TensorRT-8.6.1.6",
    build_file_content = """
cc_library(
    name = "tensorrt_headers",
    hdrs = glob(["include/**/*.h"]),
    includes = ["include"],
    visibility = ["//visibility:public"],
)

cc_library(
    name = "tensorrt_libs",
    srcs = glob([
        "lib/libnvinfer.so*",
        "lib/libnvonnxparser.so*",
        "lib/libnvparsers.so*",
        "lib/libnvinfer_plugin.so*",
    ]),
    visibility = ["//visibility:public"],
)
""",
)

这段代码的作用：

• 告知Bazel本地TensorRT的安装路径
• 将TensorRT的所有头文件打包为tensorrt_headers库，开放给所有构建规则访问
• 将TensorRT的动态库打包为tensorrt_libs库，供编译时链接使用

2. 执行TensorFlow编译命令 #

编译时启用TensorRT支持，并确保构建过程能找到TensorRT的动态库：

bazel build \
    --config=tensorrt \
    --action_env=LD_LIBRARY_PATH=/usr/local/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH \
    //tensorflow/tools/pip_package:build_pip_package

• --config=tensorrt：启用TensorRT相关编译选项
• --action_env=LD_LIBRARY_PATH：确保构建沙箱内能读取到TensorRT的动态库

3. 清理旧构建缓存（可选） #

如果之前的错误构建缓存残留问题，可以执行清理后重新构建：

bazel clean --expunge

之前方法无效的原因 #

• 把路径加入PATH：PATH仅用于查找可执行文件，头文件搜索路径不依赖该环境变量
• 用-I指定外部路径：Bazel沙箱会隔离外部文件，未通过仓库声明的路径无法被访问
• 软链接到源码目录：Bazel构建规则需要显式声明依赖文件，软链接的文件不在规则依赖列表中，会被沙箱排除

内容的提问来源于stack exchange，提问作者psisis