我们在配置深度学习论文的tensorflow代码项目时，经常会遇到上述问题，即tf_XXX_so.so文件找不到。
我查看了国内国外的相关网站，大部分人都认为是版本问题，但是我调整版本后，还是解决不了。经过我的一系列实践，最终还是解决了该问题。这里把解决问题的一些步骤列出来，方便查阅。以下代码均基于linux实现。
1. 查看对应的sh文件。
我并不懂这个so文件的相关技术细节，只是知道这个文件是一系列混合编译文件的一个链接接口，由sh脚本生成。不能生成so文件，说明是和脚本文件有关系。我们打开对应的脚本，来查看细节，以tf_grouping_compile.sh为例：
TF_INC和TF_LIB是两个对应Tensorflow的路径。
首先需要确定的是nvcc的路径配置是否正确。该项目默认使用的是cuda-10.0，如果与你的cuda路径不一致，需要按你的路径进行修改，比如cuda-10.1或10.2。
2. 链接ltensorflow_framework
在保证之前的cuda路径配置正确的前提下，我在运行.sh文件后，发现这个ltensorflow_framework文件找不到。比较幸运的是，我在网上找到了解决方法。
该方法时基于Anconda虚拟环境的。我们需要确认libtensorflow_framework.so.2这个文件的位置，一般是在：
~/anaconda3/envs/SampleNet(这是虚拟环境的名称)/lib/python3.7/site-packages/tensorflow
这个时候，我们需要建立该文件的一个链接：
在 /usr/lib/x86_64-linux-gnu路径下，建立libtensorflow_framework.so文件，实现链接。或者按照如下代码建立so文件。
cd /usr/local/lib/python3.7/site-packages/tensorflow/
# If you renamed the file, rename it back
mv libtensorflow_framework.so libtensorflow_framework.so.2
# Create a symlink so both .so and .so.2 point to the same file
ln -s libtensorflow_framework.so.2 libtensorflow_framework.so配置完成后，运行.sh文件，so.so文件能够正常生成。
还有一个方法值得一试，参看：https://blog.csdn.net/qq_41895003/article/details/105898395
3. 写在最后（20210811更新）
之前一直没有搞定的老版本深度学习项目终于调通了。主要是修改了cuda的版本（现在的版本为10.1，原来版本为11.2）以及安装了准确的tensorflow版本。关于cuda的安装，请参看我的另一篇博客：https://blog.csdn.net/aliexken/article/details/119218688
关于Tensorflow的版本问题，我经过尝试发现必须要按照项目要求的版本，哪怕就是差一点点也可能造成编译不过。主要是关于cuda混合编译的部分代码，如果不能准确的解析，一定会造成异常。一般老版本的Tensorflow安装不太方便，建议使用pip命令查找对应的准确版本。
还有一点需要注意，那就是gcc大概率下要降级，新版本的gcc可能也会产生问题。