嘿，我刚碰到过类似的问题，你的问题根源其实是在Op内核里误用了TensorFlow的客户端API，咱们一步步来拆解解决：

1. 先搞定Bazel的依赖错误 #

你看到的tensorflow/cc:cc_ops cannot depend on tensorflow/core:framework错误，本质是因为tensorflow/cc模块是给外部客户端（比如写C++/Python调用TF的业务代码）用的高层API，而Op内核属于TF执行引擎的核心组件，归tensorflow/core范畴，两者的依赖链条是互斥的，根本不能混着用。

要修复这个，你需要做两件事：

• 清理代码里的客户端API：把#include "tensorflow/cc/client/client_session.h"、#include "tensorflow/cc/ops/standard_ops.h"这些头文件删掉，还有Scope、ClientSession这些客户端相关的代码也全部移除——Op内核里完全不能这么用。
• 调整BUILD文件的依赖：把//tensorflow/cc相关的依赖删掉，只保留核心的内核依赖：

  load("//tensorflow:tensorflow.bzl", "tf_custom_op_library")
  
  tf_custom_op_library(
      name = "MyNewOp.so",
      srcs = ["mynewop.cc"],
      deps = [
          "//tensorflow/core:framework",
          "//tensorflow/core:tensorflow",
          "//tensorflow/core/kernels:matmul_op", # 加上MatMul内核的依赖
      ],
  )
  

2. 正确在自定义Op内核里调用预定义Op #

当然可以调用预定义Op！但绝对不能用客户端那套构建图、跑Session的方式，得用TF内核层的底层API直接调用目标Op的Compute逻辑。

以你要调用的MatMul为例，直接调用它的内核计算函数就行，下面是调整后的完整核心代码：

REGISTER_OP("NewOp")
    .Input("input: int32")
    .Output("output: int32")
    .SetShapeFn([](::tensorflow::shape_inference::InferenceContext* c) {
      c->set_output(0, c->input(0));
      return Status::OK();
    });

#include "tensorflow/core/framework/op_kernel.h"
#include "tensorflow/core/framework/tensor.h"
#include "tensorflow/core/kernels/matmul_op.h" // 引入MatMul的内核实现头文件
#include "tensorflow/core/framework/op.h"

using namespace tensorflow;

class MyNewOp : public OpKernel {
 public:
  explicit MyNewOp(OpKernelConstruction* context) : OpKernel(context) {}

  void Compute(OpKernelContext* context) override {
    // 1. 获取输入张量（保留你原来的逻辑）
    const Tensor& input_tensor = context->input(0);

    // 2. 准备MatMul的输入数据（这里用你原来的示例数据，可按需替换）
    Tensor A(DT_FLOAT, TensorShape({2, 2}));
    auto A_flat = A.flat<float>();
    A_flat(0) = 35.f; A_flat(1) = 22.f;
    A_flat(2) = -10.f; A_flat(3) = 0.f;

    Tensor b(DT_FLOAT, TensorShape({1, 2}));
    auto b_flat = b.flat<float>();
    b_flat(0) = 30.f; b_flat(1) = 55.f;

    // 3. 设置MatMul的参数（和你原来的TransposeB(true)对应）
    MatMulOpParams params;
    params.transpose_a = false;
    params.transpose_b = true;
    params.adjoint_a = false;
    params.adjoint_b = false;

    // 4. 申请MatMul的输出张量空间
    Tensor* matmul_output = nullptr;
    TensorShape output_shape = MatMulShape(A.shape(), b.shape(), params);
    OP_REQUIRES_OK(context, context->allocate_temp(DT_FLOAT, output_shape, &matmul_output));

    // 5. 直接调用MatMul的Compute逻辑
    OP_REQUIRES_OK(context, MatMulCompute<float>(context, A, b, *matmul_output, params));

    // 6. 处理结果并设置自定义Op的输出（示例逻辑，按需调整）
    Tensor* output_tensor = nullptr;
    OP_REQUIRES_OK(context, context->allocate_output(0, input_tensor.shape(), &output_tensor));
    auto output_flat = output_tensor->flat<int32>();
    
    // 这里只是把MatMul的浮点结果转成int32，你可以换成自己的业务逻辑
    auto matmul_flat = matmul_output->flat<float>();
    for (int i = 0; i < output_flat.size(); ++i) {
      output_flat(i) = static_cast<int32>(matmul_flat(i));
    }
  }
};

REGISTER_KERNEL_BUILDER(Name("NewOp").Device(DEVICE_CPU), MyNewOp);

几个关键提醒 #

• Op内核是跑在TF的执行流里的，绝对不能创建新的ClientSession或者构建独立的图，所有操作都要基于当前的OpKernelContext来做。
• 调用其他Op的Compute函数时，一定要确认输入张量的形状、类型和参数都符合目标Op的要求，不然很容易出现形状不匹配或者类型错误。
• 如果要调用的Op有CPU/GPU多个实现，你可以通过OpKernelContext::CreateOpKernel来获取适配当前设备的内核实例，这样能自动适配不同设备。

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