按官方教程编译libtensorflowlite.so无报错，但生成的共享文件为空

这种情况我之前帮不少开发者排查过，大概率是编译指令或配置出了问题，导致bazel只生成了一个空的符号链接占位文件，而非真正包含核心实现的共享库。下面是几个针对性的排查和修复步骤：

• 确认build目标的正确性
  官方教程里的正确目标应该是//tensorflow/lite:libtensorflowlite.so，很多人会不小心写错目标路径（比如漏掉:libtensorflowlite.so后缀），导致生成空文件。你要确保执行的编译指令是类似这样的：

  bazel build -c opt //tensorflow/lite:libtensorflowlite.so
  

  如果是针对Android平台编译，还要加上对应的配置参数：

  bazel build -c opt --config=android_arm64 //tensorflow/lite:libtensorflowlite.so
  

• 重新执行配置脚本，确保依赖完整
  编译前没有正确配置环境，或者依赖库（比如protobuf、flatbuffers）缺失，会导致bazel跳过核心模块的编译。建议先清理现有配置，重新执行TensorFlow根目录下的configure脚本：

  rm .bazelrc
  ./configure
  

  执行过程中，关于TensorFlow Lite的相关选项（比如是否启用XNNPACK、是否支持Android NDK等）要根据需求正确选择，不要随便跳过关键配置。

• 清理bazel缓存，从头编译
  bazel的增量缓存有时候会出现异常，导致部分模块编译不完整。可以彻底清理缓存后重新编译：

  bazel clean --expunge
  bazel build -c opt //tensorflow/lite:libtensorflowlite.so
  

  这个过程会比较耗时，但能排除缓存带来的大部分问题。

• 检查编译日志的隐蔽信息
  虽然你说没有提示错误，但可能有些警告或跳过编译的信息被忽略了。可以把编译输出重定向到日志文件，仔细查看细节：

  bazel build -c opt //tensorflow/lite:libtensorflowlite.so > build.log 2>&1
  

  打开build.log，搜索“skipping”“missing”“error”这类关键词，看看有没有模块因为依赖缺失被跳过的情况。

• 切换到稳定版本的TensorFlow源码
  如果你用的是开发分支（比如master分支的最新代码），可能存在编译脚本的临时bug。建议切换到官方推荐的稳定版本，比如TensorFlow 2.15.x这类长期支持分支，再尝试编译。

按照上面的步骤排查，基本能解决libtensorflowlite.so文件极小的问题。

内容的提问来源于stack exchange，提问作者RyanLiu