现在的深度学习框架一般都是基于 Python 来实现，构建、训练、保存和调用模型都可以很容易地在 Python 下完成。但有时候，我们在实际应用这些模型的时候可能需要在其他编程语言下进行，本文将通过 C/C++ 间接调用 Python 的方式来实现在 C/C++ 程序中调用 TensorFlow 预训练好的模型。
1. 环境配置
- 为了能在 C/C++ 中调用 Python，我们需要配置一下头文件和库的路径，本文以 Code::Blocks 为例介绍。
- 在 Build -> Project options 添加链接库 libpython3.5m.so 和头文件 Python.h 所在的路径，不同 Python 版本可以自己根据情况调整。
2. 初始化并导入 Python 模块及相关函数
void Initialize(){ Py_Initialize(); if ( !Py_IsInitialized() ) { printf("Initialize failed!"); } // Path of the python file. 需要更改为 python 文件所在路径 PyRun_SimpleString("import sys"); PyRun_SimpleString("sys.path.append('/home/senius/python/c_python/test/')"); const char* modulName = "forward"; // Module name of python file. pMod = PyImport_ImportModule(modulName); if(!pMod) { printf("Import Module failed!\n"); } const char* funcName = "load_model"; // Function name in the python file. load_model = PyObject_GetAttrString(pMod, funcName); if(!load_model) { printf("Import load_model Function failed!\n"); } funcName = "predict"; // Function name in the python file. predict = PyObject_GetAttrString(pMod, funcName); if(!predict) { printf("Import predict Function failed!\n"); } PyEval_CallObject(load_model, NULL); // 导入预训练的模型 pParm = PyTuple_New(1); // 新建一个元组，参数只能通过元组传入 Python 程序} - 通过 PyImport_ImportModule 我们可以导入需要调用的 Python 文件，然后再通过 PyObject_GetAttrString 得到模块里面的函数，最后导入预训练的模型并新建一个元组作为参数的传入。
3. 构建从 C 传入 Python 的参数
void Read_data(){ const char* txtdata_path = "/home/senius/python/c_python/test/04t30t00.npy"; //Path of the TXT file. 需要更改为txt文件所在路径 FILE *fp; fp = fopen(txtdata_path, "rb"); if(fp == NULL) { printf("Unable to open the file!"); } fread(data, num*SIZE, sizeof(float), fp); fclose(fp); // copying the data to the list int j = 0; pArgs = PyList_New(num * SIZE); // 新建一个列表，并填入数据 while(j < num * SIZE) { PyList_SET_ITEM(pArgs, j, Py_BuildValue("f", data[j])); j++; }} - 读入测试数据，并将数据填入到一个列表。
4. 将列表传入元组，然后作为参数传入 Python 中，并解析返回值
void Test(){ PyTuple_SetItem(pParm, 0, pArgs); pRetVal = PyEval_CallObject(predict, pParm); int list_len = PyList_Size(pRetVal); PyObject *list_item = NULL; PyObject *tuple_item = NULL; for (int i = 0; i < list_len; i++) { list_item = PyList_GetItem(pRetVal, i); tuple_item = PyList_AsTuple(list_item); PyArg_ParseTuple(tuple_item, "f", &iRetVal[i]); }} - 传入元组到 Python 程序，调用 predict 函数得到返回值，然后进行解析。
5. 一些参数和主函数
#include#include #define SIZE 41*41*41*3#define NUM 100PyObject* pMod = NULL;PyObject* load_model = NULL;PyObject* predict = NULL;PyObject* pParm = NULL;PyObject* pArgs = NULL;PyObject* pRetVal = NULL;float iRetVal[NUM*3] = {0};float data[NUM * SIZE] = {0};int num = 1; //实际的样本数100void Initialize(); void Read_data(); void Test(); int main(int argc, char **argv){ Initialize(); // 初始化 Read_data(); // 读入数据 Test(); // 调用预测函数并解析返回值 int j = 0; while(j < num*3) { printf("%f\n", iRetVal[j]); j++; } printf("Done!\n"); Py_Finalize(); return 0;}
获取更多精彩，请关注「seniusen」!