Java TensorFlow图像分类器打包Jar后部分Windows设备报错：找不到本地库

看起来你遇到的是TensorFlow平台原生库（Windows下的.dll文件）未被正确打包或运行时无法自动加载的典型问题，这在跨设备部署TensorFlow Java应用时很常见。下面是一步步的解决方案：

1. 检查Maven依赖是否包含平台特定原生库 #

首先要确保你的pom.xml里引入了包含Windows原生库的TensorFlow依赖，而不是只引入纯Java的核心API。推荐使用tensorflow-core-platform，它会自动适配对应平台的原生库：

<dependency>
    <groupId>org.tensorflow</groupId>
    <artifactId>tensorflow-core-platform</artifactId>
    <version>2.15.0</version> <!-- 替换成你实际使用的TensorFlow版本 -->
</dependency>

如果你之前只引入了tensorflow-core-api，需要额外添加Windows的原生依赖：

<dependency>
    <groupId>org.tensorflow</groupId>
    <artifactId>tensorflow-core-api</artifactId>
    <version>2.15.0</version>
</dependency>
<dependency>
    <groupId>org.tensorflow</groupId>
    <artifactId>tensorflow-core-native-windows-x86_64</artifactId>
    <version>2.15.0</version>
    <scope>runtime</scope> <!-- 仅运行时需要 -->
</dependency>

2. 配置Maven Shade插件正确打包原生库 #

用Maven Shade插件打包可运行Jar时，需要额外配置处理TensorFlow的原生库加载逻辑——这些.dll文件需要从Jar中提取到临时目录才能被Java识别。修改你的Shade插件配置如下：

<build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-shade-plugin</artifactId>
            <version>3.4.1</version>
            <executions>
                <execution>
                    <phase>package</phase>
                    <goals>
                        <goal>shade</goal>
                    </goals>
                    <configuration>
                        <transformers>
                            <!-- 指定你的主类，让Jar可以直接运行 -->
                            <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                <mainClass>com.yourpackage.YourClassifierMain</mainClass>
                            </transformer>
                            <!-- 合并TensorFlow的原生库服务配置文件，这是加载原生库的关键 -->
                            <transformer implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
                                <resource>META-INF/services/org.tensorflow.library.NativeLibrary</resource>
                            </transformer>
                        </transformers>
                        <!-- 排除签名文件，避免打包时冲突 -->
                        <filters>
                            <filter>
                                <artifact>*:*</artifact>
                                <excludes>
                                    <exclude>META-INF/*.SF</exclude>
                                    <exclude>META-INF/*.DSA</exclude>
                                    <exclude>META-INF/*.RSA</exclude>
                                </excludes>
                            </filter>
                        </filters>
                    </configuration>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

3. 验证目标设备的系统与Java环境 #

• 系统架构：TensorFlow Java仅支持64位Windows系统，如果测试设备中有32位Windows，必然会报错（无对应32位原生库）。
• Java版本：确保目标设备安装了Java 8及以上版本，且是64位Java（与系统架构匹配）。可通过运行java -version查看，输出中会包含64-Bit字样。

4. 手动检查Jar包内容 #

解压你生成的可运行Jar，确认里面存在org/tensorflow/native/windows-x86_64/目录，且该目录下有tensorflow.dll等原生库文件。如果没有，说明依赖配置有问题，回到第一步重新调整。

临时排查方案：手动指定原生库路径 #

如果上述配置都没问题仍报错，可尝试手动指定路径排查：

1. 从TensorFlow Maven仓库下载对应版本的tensorflow-core-native-windows-x86_64Jar，解压出tensorflow.dll。
2. 将dll文件放到目标机器的某个目录（比如./native-libs）。
3. 运行Jar时添加参数：

java -Djava.library.path=./native-libs -jar your-image-classifier.jar

如果这样能运行，说明打包时原生库的提取逻辑有问题，需重新检查Shade插件配置。

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