Tensorflow c api

Table of Contents

编译使用tensorflow c版本动态链接库

TensorFlow C++ Session API reference documentation

Classes

Structs

---

编译使用tensorflow c版本动态链接库

注意：如果是linux或mac os操作系统，可以参考https://www.tensorflow.org/install/install_c，直接下载对应的so库和头文件，然后跳到步骤4。如果不能使用，再从源码编译。

1.下载tensorflow源码

  git clone --recursive https://github.com/tensorflow/tensorflow

  假设路径为：tensorflow_repo_path

2.安装bazel

  mac os可以直接brew install bazel，没法联网安装的可以下载sh文件安装，也很简单

3.编译源码，生成so库

  进入tensorflow_repo_path/tensorflow文件夹，执行：

  bazel build :libtensorflow.so

4.添加必要路径

  最简单方法是直接把include中文件复制到/usr/local/include，把lib中文件复制到/usr/local/lib，或者修改对应的环境变量LD_LIBRARY_PATH,并在编译的时候指定       include目录。

5.编译运行测试程序

  依然是https://www.tensorflow.org/install/install_c上的内容，直接把下面代码保存成helloTF.c文件

#include 
#include 

int main() {
  printf(“Hello from TensorFlow C library version %s\n”, TF_Version());
  return 0;
}

 如果使用gcc编译，除了-L和-I中添加对应的库、头文件路径，还要加上-ltensorflow,如果使用xcode这类ide，也要在ide中添加相应路径、链接库

  编译成功后，把libtensorflow.so复制到可执行文件同一目录下（如果已经在/usr/local/lib或者在LD_LIBRARY_PATH中就不需要复制了），运行可执行文件，得到下面   的结果，即说明运行成功：

6.其他

  tensorflow目前已经支持多种语言，并且可以编译对应的库文件，具体可以参考tensorflow_repo_path/tensorflow/BUILD文件，这里面有多个编译目标，c++的目前   也已经支持，不过相关参考资料太少，只有tensorflow_repo_path/tensorflow/cc/tutorials/example_trainer.cc一个例子。

7.参考资料

  https://medium.com/jim-fleming/loading-tensorflow-graphs-via-host-languages-be10fd81876f

  https://medium.com/jim-fleming/loading-a-tensorflow-graph-with-the-c-api-4caaff88463f#.z4qeoyfb0

  https://www.tensorflow.org/install/install_c

---

TensorFlow C++ Session API reference documentation

TensorFlow's public C++ API includes only the API for executing graphs, as of version 0.5. To control the execution of a graph from C++:

• Build the computation graph using the Python API.
• Use tf.train.write_graph() to write the graph to a file.

• Load the graph using the C++ Session API. For example:

// Reads a model graph definition from disk, and creates a session object you
// can use to run it.
Status LoadGraph(string graph_file_name, Session** session) {
 GraphDef graph_def;
 TF_RETURN_IF_ERROR(
     ReadBinaryProto(Env::Default(), graph_file_name, &graph_def));
 TF_RETURN_IF_ERROR(NewSession(SessionOptions(), session));
 TF_RETURN_IF_ERROR((*session)->Create(graph_def));
 return Status::OK();
}

• Run the graph with a call to session->Run()

Classes

• tensorflow::Env
• tensorflow::EnvWrapper
• tensorflow::RandomAccessFile
• tensorflow::Session
• tensorflow::Status
• tensorflow::Tensor
• tensorflow::TensorBuffer
• tensorflow::TensorShape
• tensorflow::TensorShapeIter
• tensorflow::TensorShapeUtils
• tensorflow::Thread
• tensorflow::WritableFile

Structs

• tensorflow::SessionOptions
• tensorflow::Status::State
• tensorflow::TensorShapeDim
• tensorflow::ThreadOptions

Link：http://www.tensorfly.cn/tfdoc/api_docs/cc/index.html

---