溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
目前深度學習越來越火，學習、使用tensorflow的相關工作者也越來越多。但是目前絕大部分的python都是擁有著豐富的python的API，而c++的API不夠完善。這就導致絕大多是使用tensorflow的項目都是基于python。
如果項目是由c++編寫，想調用python下的tensorflow？可參考本教程（tensorflow模型是CNN卷積神經網(wǎng)絡）
具體步驟：
1.python環(huán)境
首先安裝python，可以在Anaconda官網(wǎng)直接下載。記住python一定選擇64bit，目前tensorflow不支持32位的python，這也是我之前被坑過的地方。下載Anaconda后直接
bash Anaconda3-4.3.1-Linux-x86_64.sh
就可以安裝，然后
gedit ~/.bashrc
在最后面加上
export PATH=/<你的anaconda路徑>/bin:$PATH
將python安裝路徑添加到系統(tǒng)路徑中，這樣在終端敲python后會運行安裝的python3.6，如下圖所示，代表安裝成功：
2.tensorflow
直接終端輸入：
pip install tensorflow
就會自動幫你安裝到python下。
如果出現(xiàn)類似“沒有找到匹配版本”（或者紅色英文提示），那么你可能裝的是python32bit版本，暫時不支持tensorflow！
安裝成功后在終端如下操作：
顯示tensorflow版本，表示安裝成功！
3.C++Demo
一個簡單的c++調取python+tensorflow的demo，按照實際需要可以依葫蘆畫瓢。
#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"; //這個是被調用的py文件模塊名字
pMod = PyImport_ImportModule(modulName);
if(!pMod)
{
return -1;
}
char* funcName="evaluate"; //這是此py文件模塊中被調用的函數(shù)名字
pFunc = PyObject_GetAttrString(pMod, funcName);
if(!pFunc)
{
return -2;
}
pParm = PyTuple_New(1);
PyTuple_SetItem(pParm, 0, Py_BuildValue("s",picpath));//傳入的參數(shù)，是圖片的路徑
pRetVal = PyEval_CallObject(pFunc, pParm);//這里開始執(zhí)行py腳本
PyArg_Parse(pRetVal, "i", &iRetVal);//py腳本返回值給iRetVal
//PyErr_Print();
std::cout<<iRetVal;
return iRetVal;
}
4.tensorflow的python腳本
默認你已經寫好tensorflow的python腳本，并能跑成功。（tensorflow的使用不是本文重點）
c++需要調用的就是這個classify.py里面的evaluate函數(shù)，傳入圖片路徑，返回分類結果給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():
里面就是對圖像讀取模型，預測，得到prediction……
max_index = np.argmax(prediction)
return max_index
5.c++調用python腳本的環(huán)境
這時候需要寫一個簡單的makefile加入需要的依賴環(huán)境。例如c++代碼第一行的Python.h和相關的庫文件。
簡單的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鏈接到需要的libpython3.6m.so;-L指出鏈接的路徑。
終端輸入make。如果提示需要什么libpython3.6m..so,就把/home/pdd/anaconda3/lib下的libpython3.6m..so復制到/usr/lib/下（sudo cp ——–）
此時再次輸入make，一切ok！得到out文件，輸入./out，結果如下：
得到結果0。任務完成！
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。如果你想了解更多相關內容請查看下面相關鏈接
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經查實，將立刻刪除涉嫌侵權內容。
