c++调用python训练的tensorflow模型

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 Imageimport numpy as npimport tensorflow as tfdef 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/libclean:    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！