C++ tensorflow和TFC++；美国石油学会

首先，我对tensorflow和python都是新手

我有一个python代码，其中包含一个TFlearn DNN网络。我需要把代码转换成C++，然后再把它转换成一个用于移动应用程序开发的库。 <>我读了关于TysFooFi的C++ API（其中文档是真实的模糊的，不清楚的）。所以我把代码一行一行地转换过来

第一步是加载以前被训练并保存在Python中的保存模型（我不需要在C++中进行训练，所以只需加载TFEXCEL模型就足够了）

保存文件的python代码如下所示：

network = input_data(shape=[None, 100, 100, 1], name='input')
network = conv_2d(network, 32, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = conv_2d(network, 64, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = fully_connected(network, 128, activation='relu')
network = fully_connected(network, 64, activation='relu')
network = fully_connected(network, 2, activation='softmax',restore=False)
network = regression(network, optimizer='adam', learning_rate=0.0001,
                    loss='categorical_crossentropy', name='target')

model = tflearn.DNN(network, tensorboard_verbose=0)
model.fit(X, y.toarray(), n_epoch=3, validation_set=0.1, shuffle=True,
        show_metric=True, batch_size=32, snapshot_step=100,
        snapshot_epoch=False, run_id='model_finetuning')

model.save('model/my_model.tflearn')

model
|------------checkpoint
|------------my_model.tflearn.data-00000-of-00001
|------------my_model.tflearn.index
|------------my_model.tflearn.meta

加载模型python代码的步骤是：

network = input_data(shape=[None, 100, 100, 1], name='input')
network = conv_2d(network, 32, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = conv_2d(network, 64, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = fully_connected(network, 128, activation='relu')
network = fully_connected(network, 64, activation='relu')
network = fully_connected(network, 2, activation='softmax')
network = regression(network, optimizer='adam', learning_rate=0.001,
                     loss='categorical_crossentropy', name='target')
model = tflearn.DNN(network, tensorboard_verbose=0)
model.load('model/my_model.tflearn')

这段代码在python中发挥了巨大的作用，但模型保存文件实际上是模型文件夹中的4个文件，如下所示：

network = input_data(shape=[None, 100, 100, 1], name='input')
network = conv_2d(network, 32, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = conv_2d(network, 64, 5, activation='relu')
network = avg_pool_2d(network, 2)
network = fully_connected(network, 128, activation='relu')
network = fully_connected(network, 64, activation='relu')
network = fully_connected(network, 2, activation='softmax',restore=False)
network = regression(network, optimizer='adam', learning_rate=0.0001,
                    loss='categorical_crossentropy', name='target')

model = tflearn.DNN(network, tensorboard_verbose=0)
model.fit(X, y.toarray(), n_epoch=3, validation_set=0.1, shuffle=True,
        show_metric=True, batch_size=32, snapshot_step=100,
        snapshot_epoch=False, run_id='model_finetuning')

model.save('model/my_model.tflearn')

model
|------------checkpoint
|------------my_model.tflearn.data-00000-of-00001
|------------my_model.tflearn.index
|------------my_model.tflearn.meta

现在我来到C++的一部分。经过大量研究，我得出了以下代码：

#include "tensorflow/core/public/session.h"
#include "tensorflow/core/platform/env.h"

#include <iostream>

using namespace tensorflow;
using namespace std;

int main()
{
    Session* session;
    Status status = NewSession(SessionOptions(), &session);
    if (!status.ok())
    {
        cerr << status.ToString() << "\n";
        return 1;
    }
    else
    {
        cout << "Session created successfully" << endl;
    }
    tensorflow::Tensor input_tensor(tensorflow::DT_FLOAT, tensorflow::TensorShape({1,100,100,1}));
    GraphDef graph_def;

    status = ReadBinaryProto(Env::Default(), "/home/user/PycharmProjects/untitled/model/my_model.tflearn", &graph_def);
    if (!status.ok())
    {
        cerr << status.ToString() << "\n";
        return 1;
    }
    else
    {
        cout << "Read Model File" << endl;
    }
    return 0;
}

#包括“tensorflow/core/public/session.h”
#包括“tensorflow/core/platform/env.h”
#包括
使用名称空间tensorflow；
使用名称空间std；
int main（）
{
会议*会议；
Status Status=NewSession（SessionOptions（），&session）；
如果（！status.ok（））
{
CURR 
如果你只想加载已经训练过的模型，C++加载器已经存在。直接在TysFooSo/< /P>上
Patwie还提供了一个加载已保存模型的非常好的示例
tensorflow:：Status LoadModel（tensorflow:：Session*sess，std:：string graph\u fn，std:：string checkpoint\u fn=”“）{
tensorflow:：状态；
//读入我们导出的protobuf图
tensorflow:：MetaGraphDef graph_def；
status=ReadBinaryProto（tensorflow:：Env:：Default（）、graph\u fn和graph\u def）；
if（status！=tensorflow:：status:：OK（））
返回状态；
//在当前会话中创建图形
status=sess->Create（graph_def.graph_def（））；
if（status！=tensorflow:：status:：OK（））
返回状态；
//从检查点恢复模型，给出iff检查点
如果（检查点_fn！=“”）{
const std:：string restore_op_name=graph_def.saver_def（）.restore_op_name（）；
const std:：string filename_tensor_name=图形_def.saver_def（）.filename_tensor_name（）；
tensorflow:：Tensor filename_Tensor（tensorflow:：DT_STRING，tensorflow:：TensorShape（））；
filename\u tensor.scalar（）=检查点\u fn；
tensor_dict feed_dict={{filename_tensor_name，filename_tensor}；
状态=sess->运行（进刀指令），
{},
{restore_op_name}，
nullptr）；
if（status！=tensorflow:：status:：OK（））
返回状态；
}否则{
//虚拟状态运行（常量标准：：向量和输入，
//常量标准：：向量和输出张量名称，
//const std:：向量和目标节点名称，
//标准：：矢量*输出）=0；
status=sess->Run（{}，{}，{“init”}，nullptr）；
if（status！=tensorflow:：status:：OK（））
返回状态；
}

遗憾的是，对于TysFraseC++ API，没有一个“完整的和下降的”手册（AFAIK）< /P> < P>我写了如何正确保存TFEXECK检查点：

...
model = tflearn.DNN(network)

class MonitorCallback(tflearn.callbacks.Callback):
  # Create an other session to clone the model and avoid effecting the training process
  with tf.Session() as second_sess:
    # Clone the current model
    model2 = model
    # Delete the training ops
    del tf.get_collection_ref(tf.GraphKeys.TRAIN_OPS)[:]
    # Save the checkpoint
    model2.save('checkpoint_'+str(training_state.step)+".ckpt")
    # Write a text protobuf to have a human-readable form of the model
    tf.train.write_graph(second_sess.graph_def, '.', 'checkpoint_'+str(training_state.step)+".pbtxt", as_text = True)
  return

mycb = MonitorCallback()
model.fit({'input': X}, {'target': Y}, n_epoch=500, run_id="mymodel", callbacks=mycb)
...

完成检查点后，可以在C++中加载：


…然后你可以用它来推断：


还可以找到C的示例代码以及如何冻结模型，然后加载到C++中。