请求协助编译ARM64-v8a架构的TensorFlow C++ API

嘿，我来帮你搞定这个编译问题！首先明确说一句：完全可以用NDK 14b编译出适配Android ARM64-v8a的TensorFlow C++ API——毕竟你提到的GitHub issue对应的是TensorFlow 1.x系列版本，这个版本对NDK 14b的支持是没问题的。下面给你一步步拆解可行方案和我之前踩过的坑的解决思路：

一、先把环境和代码准备到位 #

• 先确认你的TensorFlow代码是1.x分支（比如r1.12左右，和issue的时间线匹配），2.x版本的编译流程已经大改，完全不兼容NDK 14b了。
• 把NDK 14b的路径配置到环境变量ANDROID_NDK_HOME里，不然编译脚本找不到工具链，会直接报错。
• 依赖工具要对应版本：Python 2.7（TensorFlow 1.x编译必须用这个版本）、Bazel 0.15.x左右（这个版本和TensorFlow 1.x的兼容性最好，别用太高版本的Bazel）。

二、调整编译配置是关键 #

你需要修改TensorFlow根目录的WORKSPACE文件，再通过配置脚本指定交叉编译参数：

1. 修改WORKSPACE里的NDK配置
   找到文件中关于Android NDK的配置块，替换成下面的内容（适配NDK 14b和ARM64-v8a）：

android_ndk_repository(
    name = "androidndk",
    path = "$ANDROID_NDK_HOME",
    api_level = 24,  # ARM64-v8a最低要求API 21，选24兼容性更好
)

2. 运行配置脚本指定编译目标
   在TensorFlow根目录执行./configure，过程中按提示选：

• 问是否针对Android交叉编译：输入y
• 目标架构选arm64-v8a
• 确认NDK路径是你配置的NDK 14b路径，没问题就直接回车。

三、执行编译命令 #

用Bazel编译静态库或者动态库，按需选择：

编译静态库（推荐集成到C++项目） #

bazel build --config=android_arm64 //tensorflow:libtensorflow_cc.a

编译动态库 #

bazel build --config=android_arm64 //tensorflow:libtensorflow_cc.so

四、常见坑的解决办法（我之前踩过这些） #

• 工具链版本不兼容报错：NDK 14b自带的clang版本比较低，配置时一定要指定用NDK自带的clang，别用系统的clang，不然会出现编译失败。
• 链接时符号缺失：如果你的项目用到了TensorFlow的Ops库，除了编译libtensorflow_cc.a，还要额外编译//tensorflow/core:libtensorflow_core.a，链接时一起加上。
• API级别不匹配报错：如果编译时提示API level太低，把WORKSPACE里的api_level改成21或者更高就行。

五、集成到Android项目的小提示 #

编译完成后，把生成的库文件和头文件放到Android项目里：

• 把.a或.so文件复制到项目的jniLibs/arm64-v8a目录
• 把TensorFlow的头文件（根目录下tensorflow/include里的所有内容）复制到项目的include目录
• 在CMakeLists.txt里添加链接依赖，比如：

add_library(tensorflow_cc STATIC IMPORTED)
set_target_properties(tensorflow_cc PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/jniLibs/arm64-v8a/libtensorflow_cc.a)
target_link_libraries(your-native-lib-name tensorflow_cc)

内容的提问来源于stack exchange，提问作者dev dev