C++调用tensorflow教程_C/C++

C++调用tensorflow教程

2021-07-02 15:31Panda_Peng C/C++

今天小编就为大家分享一篇关于C++调用tensorflow教程，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

目前深度学习越来越火，学习、使用tensorflow的相关工作者也越来越多。但是目前绝大部分的python都是拥有着丰富的python的API，而c++的API不够完善。这就导致绝大多是使用tensorflow的项目都是基于python。

如果项目是由c++编写，想调用python下的tensorflow？可参考本教程（tensorflow模型是CNN卷积神经网络）

具体步骤：

1.python环境

首先安装python，可以在Anaconda官网直接下载。记住python一定选择64bit，目前tensorflow不支持32位的python，这也是我之前被坑过的地方。下载Anaconda后直接

				?

									bash Anaconda3-4.3.1-Linux-x86_64.sh

就可以安装，然后

				?

									gedit ~/.bashrc

在最后面加上

				?

									export PATH=/<你的anaconda路径>/bin:$PATH

将python安装路径添加到系统路径中，这样在终端敲python后会运行安装的python3.6，如下图所示，代表安装成功：

C++调用tensorflow教程

2.tensorflow

直接终端输入：

pip install tensorflow

就会自动帮你安装到python下。
如果出现类似“没有找到匹配版本”（或者红色英文提示），那么你可能装的是python32bit版本，暂时不支持tensorflow！
安装成功后在终端如下操作：

C++调用tensorflow教程

显示tensorflow版本，表示安装成功！

3.C++Demo

一个简单的c++调取python+tensorflow的demo，按照实际需要可以依葫芦画瓢。

				?

									#include <Python.h>

									#include <iostream>

									int main(int argc, char** argv)

									{

									  char* picpath ="/home/pdd/PD/c++/c++python/pic/0.0.jpg";

									  Py_Initialize(); 

									    if ( !Py_IsInitialized() ) { 

									    return -1; 

									    } 

									    PyRun_SimpleString("import sys");

									    PyRun_SimpleString("sys.path.append('./')");

									  PyObject* pMod = NULL;

									  PyObject* pFunc = NULL;

									  PyObject* pParm = NULL;

									  PyObject* pRetVal = NULL;

									  int iRetVal = -999;

									  char* modulName="classify";  //这个是被调用的py文件模块名字

									  pMod = PyImport_ImportModule(modulName); 

									  if(!pMod)

									  {

									    return -1;

									  }

									  char* funcName="evaluate"; //这是此py文件模块中被调用的函数名字

									  pFunc = PyObject_GetAttrString(pMod, funcName); 

									  if(!pFunc) 

									  {  

									    return -2; 

									  } 

									  pParm = PyTuple_New(1);

									  PyTuple_SetItem(pParm, 0, Py_BuildValue("s",picpath));//传入的参数，是图片的路径

									  pRetVal = PyEval_CallObject(pFunc, pParm);//这里开始执行py脚本

									  PyArg_Parse(pRetVal, "i", &iRetVal);//py脚本返回值给iRetVal

									  //PyErr_Print();

									  std::cout<<iRetVal;

									  return iRetVal;

									}

4.tensorflow的python脚本

默认你已经写好tensorflow的python脚本，并能跑成功。（tensorflow的使用不是本文重点）
c++需要调用的就是这个classify.py里面的evaluate函数，传入图片路径，返回分类结果给c++程序。

				?

									from PIL import Image

									import numpy as np

									import tensorflow as tf

									def evaluate(pic):

									  image = Image.open(pic)

									  image = image.resize([256, 256])

									  image_array = np.array(image)

									  with tf.Graph().as_default():

									    里面就是对图像读取模型，预测，得到prediction……

									      max_index = np.argmax(prediction)

									      return max_index

5.c++调用python脚本的环境

这时候需要写一个简单的makefile加入需要的依赖环境。例如c++代码第一行的Python.h和相关的库文件。
简单的makefile如下：

				?

									main:c++python.cpp

									  g++ -o out c++python.cpp -I/home/pdd/anaconda3/include/python3.6m -lpython3.6m -L /home/pdd/anaconda3/lib

									clean:

									  rm -rf *.o