我是靠谱客的博主 诚心热狗,最近开发中收集的这篇文章主要介绍c语言调用tensorflow模型,C++调用Python中的Tensorflow模型,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

C++调用Python中的Tensorflow模型

利用c++调用Python2.7的程序,加载tensorflow模型(为什么不使用Python3,坑太多了,一直解决不好)。整个环境在Ubuntu16.04下完成,利用了kDevelop4 IDE编写C++程序,以及cmake文件。

保存tensorflow模型

首先利用Python写一段tensorflow保存模型的代码:

import tensorflow as tf

import os

def save_model_ckpt(ckpt_file_path):

x = tf.placeholder(tf.int32,name='x')

y = tf.placeholder(tf.int32,name='y')

b = tf.Variable(1,name='b')

xy = tf.multiply(x,y)

op = tf.add(xy,b,name='op_to_store')

sess = tf.Session()

sess.run(tf.global_variables_initializer())

path = os.path.dirname(os.path.abspath(ckpt_file_path))

if os.path.isdir(path) is False:

os.makedirs(path)

tf.train.Saver().save(sess,ckpt_file_path)

feed_dict = {x:4,y:3}

print(sess.run(op,feed_dict))

save_model_ckpt('./model/model.ckpt')

这会在model目录下回保存四个文件

模型加载代码

#classify.py

import tensorflow as tf

def evaluate(pic):

sess = tf.Session()

saver = tf.train.import_meta_graph('/home/tyl/Code/Kprojects/cpython/Test/model/model.ckpt.meta')

saver.restore(sess, tf.train.latest_checkpoint('../model'))

print(type(sess.run('b:0')))

input_x = sess.graph.get_tensor_by_name('x:0')

input_y = sess.graph.get_tensor_by_name('y:0')

op = sess.graph.get_tensor_by_name('op_to_store:0')

add_on_op = tf.multiply(op,2)

ret = sess.run(add_on_op,{input_x:5,input_y:5})

print ret

sess.close()

return pic

这里要注意的是模型加载的路径一定要正确。。。。

C++程序调用Python程序

这里,利用C++程序调用模型加载的Python程序

//readTF.cpp

#include

#include

#include

#include

int main()

{

const int flag= 1;

Py_Initialize();

if (!Py_IsInitialized())

{

return -1;

}

PyRun_SimpleString("import sys");

//路径一定要对

PyRun_SimpleString("sys.path.append('/home/tyl/Code/Kprojects/cpython/Test')");

PyObject* pMod = NULL;

PyObject* pFunc = NULL;

PyObject* pParm = NULL;

PyObject* pRetVal = NULL;

int iRetVal=999;

PyObject* pName = PyString_FromString("classify");

pMod = PyImport_Import(pName);//获取模块

if (!pMod)

{

std::cout << pMod <<:endl>

return -1;

}

const char* funcName = "evaluate";

pFunc = PyObject_GetAttrString(pMod,funcName);//获取函数

if (!pFunc)

{

std::cout << "pFunc error" <<:endl>

return -1;

}

pParm = PyTuple_New(1);//新建元组

PyTuple_SetItem(pParm, 0, Py_BuildValue("i",flag));//向Python模块传参

pRetVal = PyObject_CallObject(pFunc,pParm);//获得返回结果

PyArg_Parse(pRetVal,"i",&iRetVal);//解析成C++需要的形式

std::cout<< iRetVal <<:endl>

return 0;

}

CMakeLists文件书写

cmake_minimum_required(VERSION 2.6)

project(test)

set (CMAKE_BUILD_TYPE Debug)

set (CMAKE_CXX_FLAGS "-std=c++11")

include_directories( /usr/include/python2.7)

add_executable(readTF readTF.cpp)

target_link_libraries(readTF -lpython2.7)

结果

在KDevelop4上运行的结果

4bae90e1b2e00e5c702a23b1d28be80b.png

linuxboy的RSS地址:https://www.linuxboy.net/rssFeed.aspx

本文永久更新链接地址:https://www.linuxboy.net/Linux/2019-03/157201.htm

最后

以上就是诚心热狗为你收集整理的c语言调用tensorflow模型,C++调用Python中的Tensorflow模型的全部内容,希望文章能够帮你解决c语言调用tensorflow模型,C++调用Python中的Tensorflow模型所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(39)

评论列表共有 0 条评论

立即
投稿
返回
顶部