c++调用tensorflow教程

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：
安装pytohn成功

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：
tensorflow安装成功
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

-I后面的/home/pdd/anaconda3/include/python3.6m有需要的Python.h；-lpython3.6m链接到需要的libpython3.6m.so;-L指出链接的路径。
终端输入make。如果提示需要什么libpython3.6m..so,就把/home/pdd/anaconda3/lib下的libpython3.6m..so复制到/usr/lib/下（sudo cp ——–）
此时再次输入make，一切ok！得到out文件，输入./out，结果如下：
结果图
得到结果0。任务完成！

c++调用tensorflow教程

猜你喜欢