Python 为C编写一个Tensorflow模型

这是我第一次实施机器学习阶段。因此，如果我遗漏了一些关键信息，请让我知道

我的目标是建立一个机器学习模型来模拟查找表。其思想是，存储量是至关重要的，因此拥有一个能够计算值的模型将比查找表占用更少的内存。原因是任何机器学习模型都只是一个美化的方程式

线性回归是y=mx1+mx2+b,

神经网络：是将一组权重加到一个要求和的节点上，然后做一个类似于sigmoid函数的函数

由于我试图有一个非常小的足迹，我自然想到做线性回归。不幸的是，精度不符合标准，这是必要的。所以，现在我决定使用tensorflow，看看我是否可以制作一个更精确的模型。我创建了一个简单的模型，性能更好，但是，这需要获得权重和张量模型本身，这样我就可以将方程移植到C中。 找到原始权重和模型配置的过程似乎比最初想象的要困难（似乎他们对其进行了相当多的抽象）

我还尝试了上面没有讨论过的各种其他想法（Microsoft Machine Learning Studio、AWS Machine Learning等），我从所有这些解决方案中注意到的一点是，您无法直接查看使用训练集创建的权重和模型。这对于web应用程序来说很有意义，但我需要在嵌入式系统上执行模型，所以我需要查看所有内容

这就是我的问题所在，我想知道我是否在解决这个问题上找错了方向。机器学习的目标是为从未见过的全新输入提供准确的结果。然而，考虑到我的情况，我正试图尽可能地过拟合，这样我就可以拥有一个非常精确的查找表模型（方程）

有没有更优雅的方法来解决我所缺少的这个问题？如果没有，我如何从tensorflow中提取权重和模型信息，以便将方程导入C

---

非常感谢你们，我希望你们有一个美好的一天

我不知道如何直接在Tensorflow中执行，但是我有一些建议

使用Tensorflow后端，然后可以像这样直接导出权重

model.save_weights('my_model_weights.h5')

使用这些权重并通过手动卷积等方式应用层仍然相当困难

如果你不是为了学习而做的，那么有一些库可以使用C++中创建的模型，而不需要安装Python、Keras、Tensorflow etc. < /P>的所有开销。 如果您试图在小型设备上实现您的模型，您可能希望这样做

无论如何，一些C++库要查看的是：

---

<>我知道你具体说了C，但是我猜如果你有C编译器，你可以整理出一个C++编译器，

没有代码，这太宽了，你需要包括你尝试过的代码，然后我们可以开始尝试帮助你。在许多框架中，获得权重并不难。