扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
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。
创新互联专注于随县企业网站建设,响应式网站建设,成都商城网站开发。随县网站建设公司,为随县等地区提供建站服务。全流程按需制作网站,专业设计,全程项目跟踪,创新互联专业和态度为您提供的服务
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:
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:
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<
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:
得到结果0。任务完成!
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对创新互联的支持。如果你想了解更多相关内容请查看下面相关链接
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流