Windows下Visual Studio安装部署Tensorflow开始写一个简单的小网络

IRUIRUI__

已于 2023-11-29 17:58:42 修改

阅读量1k

点赞数 10

分类专栏：没事儿写点儿文章标签： windows visual studio tensorflow

于 2023-11-29 17:03:42 首次发布

本文链接：https://blog.csdn.net/weixin_43342667/article/details/134688364

版权

没事儿写点儿专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了如何在Windows上安装TensorflowCPU版本，包括下载、解压、设置环境变量和VisualStudio配置。随后提供了一个使用C++API创建简单神经网络的实例，展示了从构建图到运行计算的完整过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 安装Tensorflow

1.1 下载

官方链接：
Windows（仅支持 CPU）
Windows（仅支持 GPU
这里我下的是cpu版，

1.2 解压

解压缩库文件：将下载的TensorFlow C库文件解压缩到自己选择的目录中。
这里我的路径是：D:\visualstudio\DownloadTools\libtensorflow-cpu-windows-x86_64-2.6.0

1.3 设置环境变量

在系统变量中，找到"Path"变量，并添加TensorFlow C库的路径到其中。
![2(https://img-blog.csdnimg.cn/direct/1a24cbea5c8346c6bb123379c5042969.png)

1.4 VisualStudio配置

打开项目属性：
在“VC++目录”选项卡中，将TensorFlow C库的头文件路径添加到“包含目录”列表中。

在“链接器”选项卡中，在右侧面板的“常规”下拉菜单中，选择“附加库目录”，添加TensorFlow C库的库文件路径

在“链接器”选项卡中，将“附加依赖项”设置为“tensorflow.lib”。这将告诉链接器链接TensorFlow C库。

在“C/C++”选项卡中，将“预处理器”设置为“_CRT_SECURE_NO_WARNINGS”，以避免由于使用不安全的函数而导致的编译器警告。

运行测试代码：

#include <stdio.h>
#include <tensorflow/c/c_api.h>

int main() {
	printf("Hello from TensorFlow C library version %s\n", TF_Version());
	return 0;
}

Ps：
中间出现提示找不到tensorflow.dll 👇
解决：将 TensorFlow DLL 文件手动复制到您的项目的输出目录（即包含可执行文件的目录）。这样可以确保程序能够找到并加载 TensorFlow DLL 文件。

在这里插入图片描述

2. 一个简单的小网络

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <tensorflow/c/c_api.h>

#define TF_CHECK_OK(status) \
  if (TF_GetCode(status) != TF_OK) { \
    fprintf(stderr, "Error at line %d: %s", __LINE__, TF_Message(status)); \
    exit(1); \
  }

int main() {
    // 创建一个图
    TF_Graph* graph = TF_NewGraph();

    // 创建一个会话
    TF_Status* status = TF_NewStatus();
    TF_SessionOptions* session_options = TF_NewSessionOptions();
    TF_Session* session = TF_NewSession(graph, session_options, status);
    TF_CHECK_OK(status);

    // 构建计算图

    // 创建一个占位符操作（Placeholder）作为输入节点
    TF_Output input_op = { TF_GraphOperationByName(graph, "input"), 0 };
    if (input_op.oper == NULL) {
        fprintf(stderr, "Failed to find input operation\n");
        exit(1);
    }

    // 创建一个常量操作（Const），代表常数值
    float value = 3.14;
    const int64_t dims[] = { 0 };
    TF_Tensor* tensor = TF_AllocateTensor(TF_FLOAT, dims, 0, sizeof(float));
    memcpy(TF_TensorData(tensor), &value, sizeof(float));
    TF_Operation* constant_op = TF_Const(graph, "constant", tensor, status);
    TF_CHECK_OK(status);

    // 创建一个加法操作（Add）将输入和常量相加
    TF_Output add_inputs[2] = { input_op, TF_OperationOutput(constant_op, 0) };
    TF_Operation* add_op = TF_FinishOperation(TF_NewOperation(graph, "Add", "addition"), status);
    TF_CHECK_OK(status);
    TF_AddInput(add_op, add_inputs[0]);
    TF_AddInput(add_op, add_inputs[1]);

    // 初始化变量
    TF_SessionRun(session, NULL, NULL, NULL, 0, NULL, NULL, 0, NULL, status);
    TF_CHECK_OK(status);

    // 运行计算图

    // 为输入数据分配内存并设置输入值
    const int64_t input_dims[] = { 1 };
    TF_Tensor* input_tensor = TF_AllocateTensor(TF_FLOAT, input_dims, 1, sizeof(float));
    float* input_data = (float*)TF_TensorData(input_tensor);
    *input_data = 2.0;

    // 指定输入和输出节点
    const int input_node_count = 1;
    const TF_Output* input_nodes = &input_op;
    const TF_Tensor* const* input_tensors = &input_tensor;

    const int output_node_count = 1;
    TF_Output output_nodes[1] = { add_inputs[1] };
    TF_Tensor* output_tensors[1] = { NULL };

    // 执行会话，将输入数据传递给计算图，获取输出结果
    TF_SessionRun(session, NULL, input_nodes, input_tensors, input_node_count, output_nodes, output_tensors, output_node_count, NULL, 0, NULL, status);
    TF_CHECK_OK(status);

    // 获取结果并打印
    TF_Tensor* output_tensor = output_tensors[0];
    float* output_data = (float*)TF_TensorData(output_tensor);
    printf("Result: %f\n", *output_data);

    // 释放资源
    TF_DeleteTensor(input_tensor);
    TF_DeleteStatus(status);
    TF_CloseSession(session, status);
    TF_DeleteSession(session, status);
    TF_DeleteSessionOptions(session_options);
    TF_DeleteGraph(graph);

    return 0;
}