寻求使用CMake构建TensorFlow应用的标准方案与环境搭建方法

我太懂你手动折腾Eigen和Protobuf的崩溃感了——TensorFlow和CMake的适配曾经是个让人头大的问题，尤其是早年官方几乎没给CMake支持。不过现在已经有更标准、省心的流程了，给你梳理清楚：

优先推荐：官方TensorFlow C API + CMake方案 #

TensorFlow官方现在主推C API作为第三方应用集成的标准接口，它有ABI稳定性（不同TensorFlow版本的C API二进制兼容），适配CMake也最省心。

步骤1：获取TensorFlow C库 #

• 最简单的方式是下载官方预编译包：对应你平台（Linux/Windows/macOS）的TensorFlow C库包，解压后会有include（头文件）和lib（动态/静态库）目录。
• 如果你需要自定义编译，用Bazel执行：

  bazel build //tensorflow:libtensorflow.so  # Linux/macOS
  bazel build //tensorflow:libtensorflow.dll  # Windows
  

  编译产物会在bazel-bin/tensorflow目录下，同时头文件在TensorFlow源码的tensorflow/c路径下。

步骤2：编写CMakeLists.txt #

举个最小示例，假设你的应用代码是main.cpp：

cmake_minimum_required(VERSION 3.10)
project(tf_cmake_demo)

# 定位TensorFlow C API的头文件和库
find_path(TF_C_INCLUDE_DIR tensorflow/c/c_api.h
          PATHS "/path/to/tensorflow-c/include")  # 替换成你的实际路径
find_library(TF_C_LIBRARY NAMES tensorflow libtensorflow
             PATHS "/path/to/tensorflow-c/lib")  # 替换成你的实际路径

add_executable(tf_demo main.cpp)
target_include_directories(tf_demo PRIVATE ${TF_C_INCLUDE_DIR})
target_link_libraries(tf_demo PRIVATE ${TF_C_LIBRARY})

执行cmake .. && make（或Windows下的MSBuild）就能正常构建了。

进阶方案：TensorFlow C++ API + CMake #

如果你的应用必须用到TensorFlow C++ API（比如需要自定义Op），可以用官方的Bazel导出功能，不用手动复制依赖头文件：

步骤1：用Bazel导出TensorFlow编译产物 #

在TensorFlow源码目录下执行：

bazel build //tensorflow:install

这个目标会把所有需要的头文件（包括Eigen、Protobuf）、库文件打包到bazel-bin/tensorflow/install目录，结构是标准的include和lib，完全适配CMake的查找逻辑。

步骤2：CMake链接TensorFlow C++库 #

在你的项目CMakeLists.txt中添加：

cmake_minimum_required(VERSION 3.12)
project(tf_cpp_demo)

# 指定TensorFlow导出的安装目录
set(TF_INSTALL_DIR "/path/to/tensorflow/bazel-bin/tensorflow/install")

include_directories(${TF_INSTALL_DIR}/include)
link_directories(${TF_INSTALL_DIR}/lib)

add_executable(tf_cpp_demo main.cpp)
# 链接C++核心库和框架库
target_link_libraries(tf_cpp_demo PRIVATE tensorflow_cc tensorflow_framework)

这样就自动处理了Eigen、Protobuf等依赖，不用手动复制任何文件。

为什么之前的第三方仓库不好用？ #

你提到的那个仓库是早期社区维护的方案，依赖的TensorFlow版本较旧，而且随着TensorFlow官方构建体系的更新，第三方仓库的维护很难跟上节奏，容易出现依赖缺失、版本不兼容的问题。现在官方已经提供了更成熟的导出方案，完全没必要再用第三方仓库了。

几个关键注意事项 #

• 确保Bazel版本和TensorFlow版本严格匹配（参考TensorFlow官方文档的版本对应表），否则编译时会出现各种奇怪错误。
• 如果你用Windows平台，注意你的MSVC编译版本要和TensorFlow预编译库的版本一致（比如都是VS2019）。
• TensorFlow C++ API没有ABI稳定性，升级TensorFlow版本后需要重新编译你的应用；而C API则不需要，优先推荐C API。

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