本章主要参考:
http://m.blog.csdn.net/qq_34484472/article/details/76598852
主要是为了记录
本机环境:
Ubuntu14 python3.5 tensorflow1.2
具体步骤:
1.python环境
首先安装python。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:
安装pytohn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:
tensorflow安装成功
显示tensorflow版本,表示安装成功!
一个结合的demo
#include <python.h>
#include <iostream>
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<<iretval; pre="" return=""><p><strong><em>4.tensorflow的python脚本</em></strong>
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。</p><pre class="brush:java;">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</pre>
//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。<br>
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
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.<em>.so,就把/home/pdd/anaconda3/lib下的libpython3.6m.</em>.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:
<img alt="结果图" src="/uploadfile/Collfiles/20170803/20170803094027714.png" style="width: 630px; height: 286.68px;"><br>
得到结果0。任务完成!