我真的很想在C++中开始使用谷歌的新的TysFooFLoad库。网站和文档在如何构建项目的C++ API方面真的不太清楚，我不知道从哪里开始。

有经验的人可以通过发现和共享使用TysFROW的C++ API来帮助吗？

要开始，您应该按照下面的说明从github下载源代码(您需要bazel和最新版本的gcc)。

C++ API(和系统的后端)在EDCOX1中0。目前，只支持C++会话接口和C API。您可以使用其中任何一个来执行使用python API构建并序列化到GraphDef协议缓冲区的tensorflow图。还有一个用于在C++中构建图形的实验特性，但是目前这一点还不如Python API(如目前没有支持自动微分)那么全面。您可以在这里看到一个示例程序，它在C++中构建一个小的图形。

C++ API的第二部分是用于添加一个新的EDCOX1×2的API，它是包含CPU和GPU的数值内核实现的类。关于如何在EDCOX1 3中创建这些示例，以及在C++中添加新的OP的教程有很多例子。

为了添加到@ MRY的文章中，我编写了一个教程，讲解如何用C++ API加载TySoFrase图。这是非常小的，应该能帮助你理解所有的部分是如何组合在一起的。这是它的肉：

要求：

• Bazel安装
• 克隆tensorflow repo

文件夹结构：

• tensorflow/tensorflow/|project name|/
• tensorflow/tensorflow/|project name|/|project name|.cc (e.g. https://gist.github.com/jimfleming/4202e529042c401b17b7)
• tensorflow/tensorflow/|project name|/BUILD

建造：

可能有两个解决办法：

• 现在，需要在TensorFlow repo中进行构建。
• 编译后的二进制文件很大(103MB)。

https://medium.com/@jimfleming/loading-a-tensorflow-graph-with-the-c-api-4caaff88463f

如果您希望避免使用BAZEL来构建项目并生成大二进制，那么我已经组装了一个存储库，用CMake来指导TysFraseC++库的使用。你可以在这里找到它。总体思路如下：

• 克隆TensorFlow存储库。
• 将生成规则添加到EDCOX1(8)中(所提供的不包括所有C++功能)。
• 构建TensorFlow共享库。
• 安装特定版本的eigen和protobuf，或者将它们作为外部依赖项添加。
• 配置CMAKE项目以使用TensorFlow库。

首先，在安装了protobuf和eigen之后，您需要构建tensorflow：

然后将以下内容包括头部和动态共享库复制到/usr/local/lib和/usr/local/include中：

最后，使用示例编译：

如果您正在考虑在一个独立的包上使用TysFraceC++API，那么您可能需要TysFraceU.C.C..(因此也有一个C API版本TunSoRoS.SO)来构建C++版本，您可以使用：

注1：如果要添加intrinsics支持，可以将此标志添加为：--copt=-msse4.2 --copt=-mavx。

注2：如果您也在考虑在项目中使用opencv，那么在同时使用两个libs时会出现问题(tensorflow问题)，您应该使用--config=monolithic。

在构建库之后，您需要将它添加到项目中。为此，您可以包括以下路径：

并将库链接到您的项目：

当您正在构建项目时，还应该指定编译器使用C++ 11标准。

旁注：与TensorFlow 1.5版相关的路径(您可能需要检查您的版本中是否有任何更改)。

这个链接也帮助我找到了所有这些信息：链接

您可以使用此shellscript安装(大部分)它的依赖项，克隆、构建、编译并将所有必要的文件获取到../src/includes文件夹中：

https://github.com/node-tensorflow/node-tensorflow/blob/master/tools/install.sh

如果您不想自己构建张力流，而操作系统是Debian或Ubuntu，则可以使用TysFraceC/C++库下载预构建的包。此分布可用于CPU的C/C++推理，不包括GPU支持：

https://github.com/kecsap/tensorflow_cpp_包装/发布

编写了如何在TysFooSt流(TFEXLY)中冻结检查点的指令，并用C/C++ API加载该模型进行推理：

https://github.com/kecsap/tensorflow_cpp_packaging/blob/master/readme.md

小心：我是这个Github项目的开发人员。

如果您不介意使用CMake，也有TysFraceYOCC项目，它为您构建和安装TF C++API，以及方便链接的CMAKE目标。项目自述文件包含一个示例和Dockerfiles，您可以很容易地遵循。

我使用黑客/解决方法来避免自己构建整个tf库(这样既节省了时间(3分钟内设置)、磁盘空间、安装dev依赖项，又节省了生成的二进制文件的大小)。这是官方不支持的，但如果你只是想快速跳入，效果很好。

通过PIP(pip install tensorflow或pip install tensorflow-gpu安装TF。然后找到它的库_pywrap_tensorflow.so(tf 0.-1.0)或_pywrap_tensorflow_internal.so(tf 1.1+)。在我的情况下(Ubuntu)，它位于/usr/local/lib/python2.7/dist-packages/tensorflow/python/_pywrap_tensorflow.so。然后在构建系统找到的地方(例如，/usr/lib/local)创建一个名为lib_pywrap_tensorflow.so的库的符号链接。前缀lib很重要！您还可以给它另一个lib*.so名称—如果您称它为libtensorflow.so的话，您可以更好地与编写用于tf的其他程序兼容。

然后创建一个C++项目，如您所使用的(Cube、Spand、Bazel，不管您喜欢什么)。

然后，您就可以直接链接到这个库，让tf可用于您的项目(您还必须链接到python2.7库)！在cmake中，您只需添加target_link_libraries(target _pywrap_tensorflow python2.7)。

C++头文件位于这个库的周围，例如在EDCOX1×21中。

再一次：这种方式是官方不支持的，您可能会遇到各种问题。库似乎与protobuf等静态链接，因此您可能会遇到奇怪的链接时间或运行时问题。但我能够加载一个存储的图表，恢复权重和运行推理，这是IMO最需要的功能在C++中。

TunSoFrices本身只提供了关于C++ API的非常基本的例子。这里有一个很好的资源，其中包括数据集、RNN、LSTM、CNN等示例
TySoFraseC++实例

上面的答案足以说明如何构建库，但是如何收集头仍然很棘手。在这里，我分享了我用来复制必要标题的小脚本。

SOURCE是第一个参数，它是张量流源(构建)方向；DST是第二个参数，它是include directory保存收集的头文件。(例如，在cmake，include_directories(./collected_headers_here)中)。