python tensorflow训练好的模型怎么在c++用

  // 导入之前已经保存好的模型

  // 本程序来自tensorflow/c/c_api_test.cc

  // 如果不明白，就看这个测试脚本就行了

  const char kSavedModel[] = "cc/saved_model/testdata/half_plus_two/00000123"

  const string saved_model_dir = tensorflow::io::JoinPath(

      tensorflow::testing::TensorFlowSrcRoot(), kSavedModel)

  TF_SessionOptions* opt = TF_NewSessionOptions()

  TF_Buffer* run_options = TF_NewBufferFromString("", 0)

  TF_Buffer* metagraph = TF_NewBuffer()

  TF_Status* s = TF_NewStatus()

  const char* tags[] = {tensorflow::kSavedModelTagServe}

  TF_Graph* graph = TF_NewGraph()

  TF_Session* session = TF_LoadSessionFromSavedModel(

      opt, run_options, saved_model_dir.c_str(), tags, 1, graph, metagraph, s)

  TF_DeleteBuffer(run_options)

  TF_DeleteSessionOptions(opt)

  tensorflow::MetaGraphDef metagraph_def

  metagraph_def.ParseFromArray(metagraph->data, metagraph->length)

  TF_DeleteBuffer(metagraph)

  EXPECT_EQ(TF_OK, TF_GetCode(s)) << TF_Message(s)

  CSession csession(session)

  // Retrieve the regression signature from meta graph def.

  const auto signature_def_map = metagraph_def.signature_def()

  const auto signature_def = signature_def_map.at("regress_x_to_y")

  const string input_name =

      signature_def.inputs().at(tensorflow::kRegressInputs).name()

  const string output_name =

      signature_def.outputs().at(tensorflow::kRegressOutputs).name()

  // Write {0, 1, 2, 3} as tensorflow::Example inputs.

  Tensor input(tensorflow::DT_STRING, TensorShape({4}))

  for (tensorflow::int64 i = 0 i < input.NumElements() ++i) {

    tensorflow::Example example

    auto* feature_map = example.mutable_features()->mutable_feature()

    (*feature_map)["x"].mutable_float_list()->add_value(i)

    input.flat<string>()(i) = example.SerializeAsString()

  }

  const tensorflow::string input_op_name =

      tensorflow::ParseTensorName(input_name).first.ToString()

  TF_Operation* input_op =

      TF_GraphOperationByName(graph, input_op_name.c_str())

  ASSERT_TRUE(input_op != nullptr)

  csession.SetInputs({{input_op, TF_Tensor_EncodeStrings(input)}})

  const tensorflow::string output_op_name =

      tensorflow::ParseTensorName(output_name).first.ToString()

  TF_Operation* output_op =

      TF_GraphOperationByName(graph, output_op_name.c_str())

  ASSERT_TRUE(output_op != nullptr)

  csession.SetOutputs({output_op})

  csession.Run(s)

  ASSERT_EQ(TF_OK, TF_GetCode(s)) << TF_Message(s)

  TF_Tensor* out = csession.output_tensor(0)

  ASSERT_TRUE(out != nullptr)

  EXPECT_EQ(TF_FLOAT, TF_TensorType(out))

  EXPECT_EQ(2, TF_NumDims(out))

  EXPECT_EQ(4, TF_Dim(out, 0))

  EXPECT_EQ(1, TF_Dim(out, 1))

  float* values = static_cast<float*>(TF_TensorData(out))

  // These values are defined to be (input / 2) + 2.

  EXPECT_EQ(2, values[0])

  EXPECT_EQ(2.5, values[1])

  EXPECT_EQ(3, values[2])

  EXPECT_EQ(3.5, values[3])

  csession.CloseAndDelete(s)

  EXPECT_EQ(TF_OK, TF_GetCode(s)) << TF_Message(s)

  TF_DeleteGraph(graph)

  TF_DeleteStatus(s)

可以使用Python的ctypes模块来实现C和Python之间的通信，从而实现C调用Python训练模型的输入。

ctypes模块提供了一种调用共享库的方法，可以将Python的变量和函数转换为C语言的变量和函数，从而实现C调用Python的功能。

要实现C调用Python训练模型的输入，需要做的第一步是在C程序中定义一个Python函数，并将其转换为C函数。然后，可以使用ctypes模块将Python函数转换为C函数，从而实现C调用Python训练模型的输入。

---