tensorflow c/c++库使用方法

tensorflow目前支持最好的语言仍是python，但大部分服务都用C++ or Java开发，通常采用动态连接库(.so)方式调用算法，所以tensorflow的c/c++ API仍是有必要熟悉下，并且通过本人测试，相同算法，c接口相比python速度更快。

下面讲解如何让程序调用tensorflow c/c++库

 

1.编译库

先在github上下载tensorflow源码，执行./configure先配置项目，而后按照这篇博客里写的利用bazel编译动态连接库，编译命令以下

C版本：

bazel build :libtensorflow.so

C++版本：

bazel build :libtensorflow_cc.so

编译成功后，在bazel-bin/tensorflow/目录下会出现libtensorflow.so/libtensorflow_cc.so文件

 

2.其余依赖

在使用tensorflow c/c++接口时，会有不少头文件依赖、protobuf版本依赖等问题

（1）tensorflow/contrib/makefile目录下，找到build_all_xxx.sh文件并执行，例如准备在linux上使用，就执行build_all_linux.sh文件，成功后会出现一个gen文件夹

（2）把tensorflow和bazel-genfiles文件夹下的头文件都抽取出来放在一个文件夹下面，或者经过cmake把这两个路径添加进include_directories中

（3）tensorflow/contrib/makefile/gen/protobuf/include，也就是（1）中生成的文件夹中的头文件，也须要抽取或者在cmake中包含在include_directories中

 

3.编写代码

 随便编写一段使用tf的代码，例以下面：

#include <tensorflow/core/platform/env.h>
#include <tensorflow/core/public/session.h>

#include <iostream>

using namespace std;
using namespace tensorflow;

int main()
{
    Session* session;
    Status status = NewSession(SessionOptions(), &session);
    if (!status.ok()) {
        cout << status.ToString() << "\n";
        return 1;
    }
    cout << "Session successfully created.\n";
}

 

4.生成可执行文件

把libtensorflow_cc.so文件放在lib文件夹下，代码放在src文件夹下，编写cmakelist.txt，具体文件结构以下：

CMakeLists.txt

/src

/lib

/include

/build

下面是一个例子：

 

 cmake_minimum_required (VERSION 2.8.8)
 project (tf_example)
 
 set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -g -std=c++11 -W")
 aux_source_directory(./src DIR_SRCS)
 link_directories(./lib)
 include_directories(
   path_to_tensorflow/tensorflow
   path_to_tensorflow/tensorflow/bazel-genfiles
   path_to_tensorflow/tensorflow/contrib/makefile/gen/protobuf/include
   ) add_executable(tf_test  ${DIR_SRCS}) target_link_libraries(tf_example tensorflow_cc)

 

接下来执行命令：

cd build

cmake ..

make

会生成一个tf_test可执行文件，执行无误即大功告成