C++ &引用；。exe已触发一个断点"；将cv:：Mat转换为TensorFlow张量时

我试图将

cv:：Mat

转换为

Tensor

，因此我构建了一个函数，它显示了问题：“.exe触发了断点”，在调试时，我发现析构函数

~my_buffer（）

和基类

~TensorBuffer（）

可能不正确。它显示了一个名为

ref\uu.load（）=2

的函数。下面是

my_buffer

类。 命令行输出：

检查失败：参考加载（）==0（2对0）

class my_buffer:public TensorBuffer{
公众：
浮动*数据；
尺寸、长度；
~my_buffer（）覆盖{
//无事可做
}
void*data（）常量重写{返回数据}
size\u t size（）常量重写{return len\u；}
bool OwnsMemory（）常量重写{return false；}
TensorBuffer*根缓冲区（）重写{返回此；}
void FillAllocationDescription（AllocationDescription*proto）常量重写{
tensorflow:：int64 rb=size（）；
proto->设置请求字节（rb）；
proto->set_分配器_name（tensorflow:：cpu_分配器（）->name（））；
}

以防万一，代码的其余部分：

Tensor cv2tensor(const cv::Mat & img )
{
    int height = 1069;
    int width = 500;
    int chanel = 3;
    int bacth = 1;

    int input_size = height*width*chanel;

    std::vector<float> input_buffer(input_size);

    /*float * input_data = input_buffer.data();*/

    const int64_t dim[4] = { bacth, width, height, chanel };

    my_buffer tensor_buf;

    //////////////////////////////////////////////////////
    /*img.reshape(1);*/
    int count = 0;
    /*for (int i=0;i<)*/
    for (int i = 0; i < 3; i++)
    {
        for (int row = 0; row < img.rows; row++)
        {
            for (int col = 0; col < img.cols; col++)
            {
                input_buffer[count] = img.at<cv::Vec3b>(row, col)[0];
                count += 1;
            }
        }
    }
    ////////////////////////////////////////////////////////
    tensor_buf.data_ = (float *)input_buffer.data();
    tensor_buf.len_  = input_size;

    std::vector<tensorflow::int64> tensor_dim;

    for (int i = 0; i < 4; i++)
        tensor_dim.push_back(dim[i]);

    Tensor input_tensor = tensorflow::TensorCApi::create_tensor(DT_FLOAT, TensorShape(tensor_dim), &tensor_buf);
    //cv::resize()
    /*Tensor input_tensor;*/
    return input_tensor;
}

张量CV2传感器（常数cv:：Mat和img） { 整数高度=1069； 整数宽度=500； int香奈儿=3； int-bacth=1； int input_size=高度*宽度*通道； std：：矢量输入_缓冲区（输入_大小）； /*float*input_data=input_buffer.data（）*/ const int64_t dim[4]={bacth，width，height，chanel}； 我的缓冲张量； ////////////////////////////////////////////////////// /*重塑（1）*/ 整数计数=0；

---

/*对于（int i=0；i而言，将OpenCV矩阵转换为张量实际上更直接（from）：

// just for this answer:
using namespace tensorflow;

cv::Mat image;
cv::Mat image_float;
image.convertTo(image_float, CV_32FC3);
float *image_float_data = (float*)image_float.data;

TensorShape my_shape = TensorShape{1, image.rows, image.cols, image.channels()};
Tensor my_tensor = Tensor(DT_FLOAT, my_shape);
std::copy_n((char*) image_float_data, 
            my_shape.num_elements() * sizeof(float),
            const_cast<char*>(my_tensor.tensor_data().data()));

//就为了这个答案：
使用名称空间tensorflow；
cv：：Mat图像；
cv：：Mat image_float；
convertTo（image_float，CV_32FC3）；
float*image\u float\u data=（float*）image\u float.data；
TensorShape my_shape=TensorShape{1，image.rows，image.cols，image.channels（）}；
张量my_张量=张量（DT_FLOAT，my_shape）；
标准：：复制（（字符*）图像浮点数数据，
my_shape.num_elements（）*sizeof（float），
const_cast（my_tensor.tensor_data（）.data（））；

为什么要迭代数据？ 为什么要创建自己的缓冲区类