使用Bazel通过Pip依赖安装TensorFlow时缺失依赖致运行失败

核心问题 #

你手动筛选的requirements.txt.lock只保留了标记为“via tensorflow”的依赖，漏掉了TensorFlow运行时必需的深层传递依赖（比如absl-py）；同时自定义的pip_requirements规则可能未正确处理依赖树的传递性，导致Bazel构建时没有引入完整的依赖链。

解决方案 #

1. 重新生成完整的依赖锁定文件

不要手动筛选依赖，直接用pip-compile生成包含所有直接/间接依赖的lock文件：

• 先创建基础的requirements.in文件，内容仅需：

  tensorflow
  

• 执行命令生成完整的lock文件：

  pip-compile --output-file=requirements.txt.lock requirements.in
  

  该命令会自动解析TensorFlow的全部依赖树，包括absl-py、numpy等所有运行时必需的包。

2. 替换为官方rules_python的依赖解析规则

当前使用的自定义pip_requirements规则可能存在依赖传递处理缺陷，改用官方pip_parse规则：
修改WORKSPACE文件内容为：

load("@rules_python//python:pip.bzl", "pip_parse")

pip_parse(
    name = "pip",
    requirements_lock = "//py:requirements.txt.lock",
)

load("@pip//:requirements.bzl", "install_deps")

install_deps()

官方pip_parse会自动解析lock文件中的所有依赖，并生成正确的Bazel目标，确保传递依赖被完整引入。

3. 简化BUILD文件（无需手动添加子依赖）

你的BUILD文件无需额外修改，确认依赖引用正确即可：

load("@rules_python//python:defs.bzl", "py_binary")
load("@pip//:requirements.bzl", "requirement")

py_binary(
    name = "tensorflow_test",
    srcs = glob(["*.py"]),
    main = "main.py",
    deps = [
        requirement("tensorflow"),
    ],
)

requirement("tensorflow")会自动包含其所有传递依赖，无需手动添加absl-py等子依赖。

4. 清理缓存并重新构建

清理Bazel缓存避免旧依赖残留，然后重新运行：

bazel clean --expunge
bazel run //py:tensorflow_test

内容的提问来源于stack exchange，提问作者Will.Evo