要能够运行支持本机TensorFlow操作的TensorFlow精简模型，必须重新编译libtensorflow-lite静态库。可以在HERE中找到在C++中执行此操作的说明。
声明
使用bazel管道构建TensorFlow Lite库时， 可以包含其他TensorFlow ops库并将其启用为 如下：
启用必要的整体构建，方法是添加 --config =单片构建标志。
将TensorFlow ops委托库依赖项添加到构建依赖项中： tensorflow / lite / delegates / flex：delegate。
请注意必要 TfLiteDelegate创建时会自动安装 只要将委托链接到 客户端库。不必显式安装委托 其他委托类型通常需要的实例。
问题在于，构建静态库的标准方法是通过shell脚本/ make（请参阅文档HERE；这是针对arm64的，但是有些脚本可用于x86_64）。我没有明显的方法可以通过tensorflow-lite来构建bazel并在那里修改构建命令。
在尝试为arm64/x86_64体系结构建立模型时，有人成功建立了这个模型并且可以共享吗？我是bazel的新手，找不到详细的演练。
编辑
在对@jdehesa建议的步骤进行故障排除之后，我能够构建libtensorflowlite.so，但遇到另一个问题。我的应用程序构建成功，但是执行该应用程序后，找不到.so文件：
./myapp: error while loading shared libraries: libtensorflowlite.so: cannot open shared object file: No such file or directory
由于其他.so文件位于同一目录中，因此路径正确。此外，如果使用静态库，则该应用程序也可以运行。
为重现该问题，我使用了tensorflow/tensorflow:devel-gpu-py3 docker构建映像（找到了here的指令）。
我使用默认设置执行了配置脚本，并使用了命令
bazel build --config=monolithic --define=with_select_tf_ops=true -c opt //tensorflow/lite:libtensorflowlite.so
创建库。我已按构建库上传到我的个人存储库（https://github.com/DocDriven/debug-lite）。
答案 0 :(得分：1)
看来libtensorflow-lite.a是用Makefiles构建的，位于Bazel之外，所以我不确定您是否可以对该库真正使用该选项。但是，我认为您可能需要一个实验性的共享库目标libtensorflowlite.so。您可以给实验性选项with_select_tf_ops包括TensorFlow内核。因此，我认为构建命令将类似于：
bazel build --config=monolithic --define=with_select_tf_ops=true -c opt //tensorflow/lite:libtensorflowlite.so