Tensorflow c api 预测模型

写个简单的例子,预测一张mnist图片的分类。

使用tensorflow 1.10.0

1. 首先使用opencv来读取图片

Mat readimage()
{
    string img_path = "1_6628.bmp";
    Mat image, image_gray,tmp;
    image = imread(img_path,CV_LOAD_IMAGE_COLOR);
    cvtColor(image, image_gray, CV_RGB2GRAY);

    return image_gray;
}

2. 接着加载model和参数

const string GraphPath = "model.ckpt-10.meta";
const string ckptPath = "model.ckpt-10";

auto session = NewSession(SessionOptions());

Status status;
MetaGraphDef graph_def;

//读取protobuf文件
status = ReadBinaryProto(Env::Default(), GraphPath, &graph_def);
//创建图
status = session->Create(graph_def.graph_def());


Tensor ckptPathTensor(DT_STRING, TensorShape());
ckptPathTensor.scalar<std::string>()() = ckptPath;


//restore 参数
status = session->Run(
        { { graph_def.saver_def().filename_tensor_name(), ckptPathTensor }, },
        {}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow C模型是指使用C语言编写的、基于TensorFlow开发的模型TensorFlow是一个用于机器学习和深度学习的强大框架,它提供了许多工具和函数,以简化模型的开发和部署过程。 使用TensorFlow C模型可以实现许多机器学习任务,包括图像分类、目标检测、自然语言处理等。将模型使用C语言编写可以使得模型在嵌入式设备、移动设备等资源有限的环境中运行,具有较小的资源占用和高效的计算能力。 TensorFlow C模型开发的过程主要包括以下几个步骤: 1. 准备数据集:根据任务需求,收集合适的数据集,并进行数据预处理,使其适合训练和测试模型。 2. 模型设计与训练:使用TensorFlow提供的接口和函数,搭建并训练模型。可以选择合适的网络结构、优化算法和损失函数等,以提高模型的性能和效果。 3. 模型导出:通过TensorFlow的保存机制,将训练好的模型导出为.pb文件,以便于后续在C语言环境中加载和使用。 4. C语言部署:使用C语言编写代码,加载导出的模型文件,并对新的数据进行预测。可以利用TensorFlow C API提供的接口,针对具体的需求进行封装和优化。 5. 模型优化和调试:根据实际情况,对模型进行进一步优化和调试,以提高准确率和速度。 总之,TensorFlow C模型是使用C语言开发的基于TensorFlow的机器学习模型。它具有高效的计算能力和较小的资源占用,适用于嵌入式设备和移动设备等资源有限的环境。使用TensorFlow C模型可以实现各种机器学习任务,并通过C语言编写的代码进行部署和应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值