C/C++でTensorFlowを使用して事前に訓練されたモデル--間接呼び出しPython実装

現在の深さ学習フレームワークは一般的にPythonに基づいて実現されており,モデルの構築,訓練,保存,呼び出しは容易にPythonで行うことができる.しかし、実際にこれらのモデルを適用する場合、他のプログラミング言語で行う必要がある場合があります.本稿では、C/C++間接呼び出しPythonにより、C/C++プログラムでTensorFlowを呼び出して事前に訓練したモデルを実現します.
1.環境構成

C/C++でPythonを呼び出すには、ヘッダファイルとライブラリのパスを構成する必要があります.ここではCode::Blocksを例に説明します.

Build->Project optionsにリンクライブラリlibpython 3を追加する.5m.ヘッドファイルとhの経路は、Pythonバージョンによって自分で状況に応じて調整できます.

2.Pythonモジュールおよび関連関数の初期化とインポート

クリックしてPythonでTensorFlowプリトレーニングモデルを呼び出す方法を振り返る

void Initialize()
{
    Py_Initialize();
    if ( !Py_IsInitialized() )
    {
        printf("Initialize failed!");
    }

    // Path of the python file.       python       
    PyRun_SimpleString("import sys");
    PyRun_SimpleString("sys.path.append('/home/senius/python/c_python/test/')");

    const char* modulName = "forward";    // Module name of python file.
    pMod = PyImport_ImportModule(modulName);
    if(!pMod)
    {
        printf("Import Module failed!
");
    }

    const char* funcName = "load_model";  // Function name in the  python file.
    load_model = PyObject_GetAttrString(pMod, funcName);
    if(!load_model)
    {
        printf("Import load_model Function failed!
");
    }

    funcName = "predict";  // Function name in the python file.
    predict = PyObject_GetAttrString(pMod, funcName);
    if(!predict)
    {
        printf("Import predict Function failed!
");
    }

    PyEval_CallObject(load_model, NULL); //         
    pParm = PyTuple_New(1); //       ，           Python   
}

PyImport_を通過ImportModule呼び出しが必要なPythonファイルをインポートし、PyObject_を介してGetAttrStringはモジュール内の関数を得て,最後に事前訓練モデルを導入し,パラメータとして新しいメタグループを作成した.

3.CからPythonへのパラメータの構築

void Read_data()
{
    const char* txtdata_path = "/home/senius/python/c_python/test/04t30t00.npy";
    //Path of the TXT file.      txt      

    FILE *fp;
    fp = fopen(txtdata_path, "rb");
    if(fp == NULL)
    {
        printf("Unable to open the file!");
    }
    fread(data, num*SIZE, sizeof(float), fp);
    fclose(fp);

    // copying the data to the list
    int j = 0;
    pArgs = PyList_New(num * SIZE); //       ，     
    while(j < num * SIZE)
    {
        PyList_SET_ITEM(pArgs, j, Py_BuildValue("f", data[j]));
        j++;
    }
}

テストデータを読み込み、リストに入力します.

4.リストをタプルに入力し、パラメータとしてPythonに入力し、戻り値を解析する

void Test()
{
    PyTuple_SetItem(pParm, 0, pArgs);
    pRetVal = PyEval_CallObject(predict, pParm);

    int list_len = PyList_Size(pRetVal);
    PyObject *list_item = NULL;
    PyObject *tuple_item = NULL;
    for (int i = 0; i < list_len; i++)
    {
        list_item = PyList_GetItem(pRetVal, i);
        tuple_item =  PyList_AsTuple(list_item);
        PyArg_ParseTuple(tuple_item, "f", &iRetVal[i]);
    }
}

は、Pythonプログラムにタプルを入力し、predict関数を呼び出して戻り値を求め、解析を行う.

5.いくつかのパラメータと主関数

#include 
#include 

#define SIZE 41*41*41*3
#define NUM 100

PyObject* pMod = NULL;
PyObject* load_model = NULL;
PyObject* predict = NULL;
PyObject* pParm = NULL;
PyObject* pArgs = NULL;
PyObject* pRetVal = NULL;

float iRetVal[NUM*3] = {0};
float data[NUM * SIZE] = {0};
int num = 1;  //      100

void Initialize(); 
void Read_data(); 
void Test(); 

int main(int argc, char **argv)
{
    Initialize(); //    
    Read_data(); //     
    Test(); //             
    
    int j = 0;
    while(j < num*3)
    {
        printf("%f
", iRetVal[j]);
        j++;
    }
    printf("Done!
");
    Py_Finalize();

    return 0;
}

もっと素晴らしいものを手に入れて、「seniusen」に注目してください!