python 调用 tensorflow,C++与python 相互调用-- 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

1

就可以安装，然后

gedit ~/.bashrc

1

在最后面加上

export PATH=//bin:$PATH

1

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：

2.tensorflow

直接终端输入：

pip install tensorflow

1

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：

 

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

#include

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<

return iRetVal;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

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

1

2

3

4

5

6

7

8

9

10

11

12

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

1

2

3

4

5

-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：

 得到结果0。任务完成！