依赖Tensorflow C++ DLL的代码调试是否必须将TF编译为调试模式？

崩溃原因 #

• VC++运行库（CRT）不兼容：你使用的TensorFlow DLL为Release配置编译，默认链接/MD（多线程动态链接Release版运行库）；你的扩展切换为Debug配置后，默认链接/MDd（多线程动态链接Debug版运行库）。两套运行库的内存分配释放逻辑、内部实现完全独立，跨运行库传递C对象、调用函数会直接触发未定义行为，这种底层内存错误属于结构化异常，无法被标准C catch 语句捕获。
• C++ ABI内存布局不匹配：Debug模式下VC会为C类、结构体添加额外的调试填充字段，session_options、run_options等TensorFlow C++对象在你Debug编译的扩展中的内存布局，和Release编译的TensorFlow DLL期望的布局完全不一致，参数传递错误直接触发访问冲突崩溃。
• STL调试开关冲突：Debug模式默认开启_ITERATOR_DEBUG_LEVEL=2的STL调试层，STL容器的内存结构和Release模式不同，你调用LoadSavedModel时传递的标签列表参数{ tensorflow::kSavedModelTagServe }包含STL容器，两边对容器结构的解读不一致也会触发崩溃。

调试解决方案（无需重新编译TensorFlow） #

只需对齐你扩展的Debug配置和TensorFlow Release编译的核心编译选项即可：

• 打开项目属性面板，切换到Debug配置：
  1. 进入C/C++ → 代码生成，将运行库选项从/MDd修改为/MD，和TensorFlow使用同一份Release版运行库
  2. 进入C/C++ → 预处理器，添加预定义宏_ITERATOR_DEBUG_LEVEL=0，关闭STL调试层，对齐STL实现
• 修改完成后重新编译你的扩展，即可正常在Debug配置下调试自有代码，同时正常调用Release版TensorFlow的接口，不会出现崩溃问题。

内容的提问来源于stack exchange，提问作者Fedor Petrov