1.Tensorflow提供了C++API来建立一个graph,但是对于python并不那么完善,许多特性在C++中并不可用。另外一种方法是,用C++ API加载预先训练好的graph,来单独或是嵌入到其他应用中。当前有关用c++加载graph的文档非常少,这里提出一个简单的例子。
参考自:
https://medium.com/jim-fleming/loading-a-tensorflow-graph-with-the-c-api-4caaff88463f
https://vimsky.com/article/3600.html
2.需要
安装Bazel(google的build工具,用于编译)
下载并解压TensorFlow源码
git clone --recursive https://github.com/tensorflow/tensorflow
protobuf工具,用于生成pb文件
3.编写python代码,生成.pb文件
python线下模型和训练参考自http://blog.csdn.net/rockingdingo/article/details/75452711
4.文件夹结构
tensorflow/tensorflow/|project name|/
tensorflow/tensorflow/|project name|/|project name|.cc (e.g. https://gist.github.com/jimfleming/4202e529042c401b17b7)
tensorflow/tensorflow/|project name|/BUILD
.cc文件见例子形式
BUILD文件如下形式
C++加载运行Tensorflow模型
最新推荐文章于 2024-07-31 12:52:22 发布
本文介绍了如何使用C++ API加载和运行预先训练的TensorFlow模型。通过参考相关资源,详细阐述了安装Bazel、下载TensorFlow源码、生成.pb文件的过程,并提供了项目文件结构和编译运行步骤。示例代码展示了具体实现。
摘要由CSDN通过智能技术生成