VS2019编译的TensorFlow C++库能否在VS2015开发环境中正常使用？

1. 构建失败原因 #

你的推测完全正确，本次编译报错确实由VS版本不适配导致：

• 报错日志中明确显示bazel调用的是VS2015对应的MSVC 14.0工具链，而当前主流版本的TensorFlow源码依赖的Protobuf组件、CUDA编译包装脚本均不再兼容VS2015编译器，会直接触发编译中断。
• 额外诱因：你使用的CUDA 11.2版本本身对VS2015的支持有限，CUDA 11.x系列官方推荐的配套编译环境就是VS2019及以上版本。
• 如果你本地已经安装了VS2019但还是触发这个报错，是因为bazel默认优先识别低版本VS，编译前需要先执行命令set BAZEL_VC=C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC（路径根据你本地VS2019安装位置调整）指定工具链路径，再启动bazel构建。

2. VS2019编译的TensorFlow C++库能否在VS2015环境调用 #

完全不建议这么做，大概率无法正常运行，核心原因如下：

• MSVC不同大版本之间C++ ABI不兼容，标准库容器、类的内存布局和实现逻辑存在差异，TensorFlow C++接口大量使用STL类型，跨版本调用会直接出现内存越界、调用约定不匹配等崩溃问题。
• 运行时库不兼容：VS2019使用MSVC142运行时，VS2015使用MSVC140运行时，二者无法混合加载，就算强行绕过编译报错，运行时也会出现各类依赖冲突。

可行替代方案 #

• 方案一：使用支持VS2015的旧版TensorFlow源码编译，2.3及更早版本的TensorFlow官方支持VS2015编译，确认对应CUDA适配版本后即可正常构建。
• 方案二：将TensorFlow C库封装为纯C接口的动态库，内部用VS2019编译，暴露的接口仅使用C兼容的基础类型，不传递STL对象或C类实例，封装后的动态库可在VS2015环境正常调用。
• 方案三：切换为ONNX Runtime C库做推理，对编译环境的兼容度远高于TensorFlow C，旧版VS也可正常接入，GPU推理性能也优于当前使用的frugally-deep库。

内容的提问来源于stack exchange，提问作者許煜承 Wistar