如何构build和使用Google TensorFlow C ++ api
我真的很想开始在C ++中使用Google的新Tensorflow库。 网站和文档只是不清楚如何build立项目的C + + API，我不知道从哪里开始。
有更多经验的人可以通过发现和共享使用tensorflow的C ++ API的指导来帮助吗？
要开始，你应该从Github下载源代码， 按照这里的指示 （你需要Bazel和最新版本的GCC）。
C ++ API（和系统的后端）在tensorflow/core 。 目前，只支持C ++ Session接口和C API 。 您可以使用其中任何一个来执行使用Python API构build的TensorFlowgraphics，并将其序列化为GraphDef协议缓冲区。 C ++中还有一个用于构buildgraphics的实验性function，但是目前这种function不如Python API那么全function（例如，目前不支持自动分化）。 你可以在这里看到一个用C ++build立一个小图的例子程序。
C ++ API的第二部分是用于添加新的OpKernel的API，该OpKernel是包含用于CPU和GPU的数字内核的实现的类。 有很多关于如何在tensorflow/core/kernels构build这些tensorflow/core/kernels例子，以及在C ++中添加一个新操作的教程 。
要添加到@ mrry的文章，我将编写一个教程，介绍如何使用C ++ API加载TensorFlow图表。 这是非常小的，应该帮助你理解所有的部分如何组合在一起。 这是它的肉：
要求：
- Bazel安装
- 克隆TensorFlow回购
文件夹结构：
-
tensorflow/tensorflow/|project name|/ -
tensorflow/tensorflow/|project name|/|project name|.cc (eg https://gist.github.com/jimfleming/4202e529042c401b17b7) -
tensorflow/tensorflow/|project name|/BUILD
build立：
cc_binary( name = "<project name>", srcs = ["<project name>.cc"], deps = [ "//tensorflow/core:tensorflow", ] )
两个警告可能是解决方法：
- 现在， 在 TensorFlow回购中需要进行构build。
- 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构build项目并生成大的二进制文件，我已经组装了一个存储库，指示使用CMake的TensorFlow C ++库。 你可以在这里find它。 总体思路如下：
- 克隆TensorFlow存储库。
- 将构build规则添加到
tensorflow/BUILD（所提供的不包括所有C ++function）。 - build立TensorFlow共享库。
- 安装Eigen和Protobuf的特定版本，或将它们添加为外部依赖项。
- configuration您的CMake项目使用TensorFlow库。
你可以使用这个ShellScript来安装（大部分）它的依赖关系，克隆，构build，编译和获取所有必要的文件到../src/includes文件夹中：
https://github.com/node-tensorflow/node-tensorflow/blob/master/tools/install.sh
首先，在安装protobuf和eigen ，你想build立Tensorflow：
./configure bazel build //tensorflow:libtensorflow_cc.so
然后将以下包含头文件和dynamic共享库复制到/usr/local/lib和/usr/local/include ：
mkdir /usr/local/include/tf cp -r bazel-genfiles/ /usr/local/include/tf/ cp -r tensorflow /usr/local/include/tf/ cp -r third_party /usr/local/include/tf/ cp -r bazel-bin/libtensorflow_cc.so /usr/local/lib/
最后，用一个例子来编译：
g++ -std=c++11 -o tf_example \ -I/usr/local/include/tf \ -I/usr/local/include/eigen3 \ -g -Wall -D_DEBUG -Wshadow -Wno-sign-compare -w \ -L/usr/local/lib/libtensorflow_cc \ `pkg-config --cflags --libs protobuf` -ltensorflow_cc tf_example.cpp
我使用黑客/解决方法来避免自己构build整个TF库（同时节省时间（3分钟内设置），磁盘空间，安装dev依赖项和生成的二进制文件的大小）。 它的官方不受支持，但如果你只是想快速跳入，
通过pip安装TF（ pip install tensorflow或pip install tensorflow-gpu ）。 然后find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 。 然后创build一个符号链接到这个名为lib_pywrap_tensorflow.so库中，在这个库中你的lib_pywrap_tensorflow.so系统find它（例如/usr/lib/local ）。 前缀lib很重要！ 你也可以给它另外一个lib*.so名字 – 如果你把它libtensorflow.so ，你可能会得到与其他编写与TF一起工作的程序的更好的兼容性。
然后像你习惯的那样创build一个C ++项目（CMake，Make，Bazel，无论你喜欢什么）。
然后你就可以直接链接到这个库，使TF可用于你的项目（你也必须链接到python2.7库）！ 在CMake中，例如，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/usr/local/lib/python2.7/dist-packages/tensorflow/include/ 。
再一次：这种方式是官方不受支持，你可能会遇到各种问题。 图书馆似乎是静态链接，例如protobuf，所以你可能会运行奇怪的链接时间或运行时问题。 但是我能够加载存储的graphics，恢复权重并运行推理，这是C ++中最需要的function。
如果你不介意使用CMake，还有tensorflow_cc项目，为你build立和安装TF C ++ API，以及你可以链接的方便的CMake目标。 该项目的自述文件包含一个示例和Dockerfiles，你可以轻松地遵循。
