DeepLearning:windows环境下C++环境实现Tensorflow编译部署

【写在前面】

都说深度学习的这条大船上来了就应该不惧风雨，可是在配置环境这条路上的坑真是刚出旧坑又入新坑，2021年最后一天了。想想rensorflow的源代码在windows 环境下的编译历程，就忍不住想总结一下写一篇文章总结总结如同沙海 求生一般的爬坑之行和大家一起学习…
tensorflow 的c++编译大家一定要有耐心，同样的指导流程，不一样的电脑环境，但坑永远都是五花八门…

先来个定海神针压压惊：编译好的Windows 64bit AVX 指令集下的tensorflow文件（CPU）
链接：https://pan.baidu.com/s/1zYwMDt36OxJuzL5k63H2Nw

初始沙漠图片经过模型处理后的效果如下：

【参考链接】
tensorflow源码地址：
Bazel - 在 Windows 上安装 Bazel：
Bazel官方安装指导：

【软件版本】
环境版本：
系统：Windows10系统64bits
CUDA 10.0
cuDNN 7.6 （cuda+cudnn安装传送门）
（官方地址）
Python3.6.7
tensorflow 1.13.1
为了方便最好电脑网络翻墙，网上教程很多大家自己网罗；

本人安装 原文链接：
https://blog.csdn.net/weixin_42359147/article/details/80622306
https://blog.csdn.net/weixin_44322778/article/details/107359206

【自主编译】
tensorflow的C++编译方式根据其版本不同主要有三种：
①tensorflow版本号<1.13.0,使用cmake编译；
②tensorflow版本号>=1.13.0,使用Bazel编译；

bazel编译实战
软件安装：
①安装vs2017
②安装msys2
③安装Python3.6.7
④安装Bazel
⑤下载tensorflow和编译文件Tensorflow-windows-build-script
⑥编译
⑦模型转换和加载
⑧VS2017调用测试

tensorflow官方文档:
在 Windows 环境中从源代码构建:
版本问题—keras和tensorflow的版本对应关系，
tensorflow CUDA cudnn 版本对应关系：
对应关系在官方文档中有详细说明：

安装Python
Python版本切换参考博文：
https://blog.csdn.net/weixin_44322778/article/details/122195669

安装bazel:
https://blog.csdn.net/darkrabbit/article/details/81262524

安装msys
1:

1.安装完msys后报错
解决办法：解决msys2“无法升级 mingw64 (无效或已损坏的数据库 (PGP 签名))”密钥失效问题

链接1：

Keras：Keras训练模型的C++调用尝试

【ERROR】
查找：common.h文件位置
发现aconda 虚拟环境中有文件：

环境配置：

【测试报错】

原因：
模型文件是高版本的tensorflow版本，c++环境中的Tensorflow版本较低，可以直接使用编译好的较高版本的tensorflow

ps:也可以通过c++直接调用py文件实现模型的加载，就是时间效率有点低，需要大家多做改进：参考链接：https://blog.csdn.net/xiaomu_347/article/details/81040855

总结

以上是生活随笔为你收集整理的DeepLearning:windows环境下C++环境实现Tensorflow编译部署的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。