【Visual Studio Code】c/c++部署tensorflow训练的模型

TensorFlow模型的保存及转换h5为pb：
通过model.save()函数能非常方便的保存模型，TensorFlow 2.0主要包括两种方式保存完整模型：

• h5文件，具体代码model.save(“xxx.h5”)
• pb文件，具体代码mode.save(“xxx”, save_format=“tf”)

通过函数tf.keras.models.load_model()函数能快速加载.h5模型与pb模型

import numpy as np
import tensorflow as tf

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 28, 28, 1).astype('float32') / 255
x_test = x_test.reshape(10000, 28, 28, 1).astype('float32') / 255
y_train = tf.keras.utils.to_categorical(y_train, 10)
y_test = tf.keras.utils.to_categorical(y_test, 10)

model = tf.keras.models.load_model("../weights/minist.h5")
# 加载pb模型
# model = tf.keras.models.load_model("../weights/minist")

model.summary()

print("第二次输出：")
print(model.predict(x_test, batch_size=8))

TensorFlow2.0模型保存与调用
TensorFlow2.x冻结模型，保存为.pb格式方便部署

TensorFlow2.0模型格式转换为.pb格式

Tensorflow h5转pb

TensorFlow2.0 —— 模型保存与加载

Cpp调用Python：
C++调用python，并且在python和C++之间传输数据(numpy和mat数据)

C/C++调用Python [OpenCV与Numpy]

Cpp部署TensorFlow训练的模型：
心电信号深度学习训练及部署（3）：编译tensorflow C++ API

心电信号深度学习训练及部署（4）：VS2019下验证tensorflow模型

win10调用tensorflow C++API（无需编译）

C++调用python训练的神经网络模型(tensorflow训练,opencv调用)

tensorflow2.0 C++加载python训练保存的pb模型

C++使用TensorFlow加载python训练好的模型

TensorFlow不重新编译源码使用C/C++ API推理

Windows下用c++来调用tensorflow训练好的模型

VS调用tensorflow模型记录

怎样使用c/c++部署tensorflow2.0训练的模型?

官方文档：

安装 C 版 TensorFlow

Example TensorFlow C API

TensorFlow-gpu.whl