我真的很渴望开始使用谷歌在c++中的新Tensorflow库。网站和文档在如何构建项目的c++ API方面真的不清楚，我不知道从哪里开始。
是否有更有经验的人可以通过发现和分享使用tensorflow的c++ API的指南来帮助您?
当前回答
我使用了一种hack/workaround来避免自己构建整个TF库(这节省了时间(3分钟即可完成设置)、磁盘空间、安装开发依赖项以及生成二进制文件的大小)。它是官方不支持的，但如果你只是想快速上手，效果很好。
Install TF through pip (pip install tensorflow or pip install tensorflow-gpu). Then find its library _pywrap_tensorflow.so (TF 0.* - 1.0) or _pywrap_tensorflow_internal.so (TF 1.1+). In my case (Ubuntu) it's located at /usr/local/lib/python2.7/dist-packages/tensorflow/python/_pywrap_tensorflow.so. Then create a symlink to this library called lib_pywrap_tensorflow.so somewhere where your build system finds it (e.g. /usr/lib/local). The prefix lib is important! You can also give it another lib*.so name - if you call it libtensorflow.so, you may get better compatibility with other programs written to work with TF.
然后创建一个你习惯的c++项目(CMake, Make, Bazel，任何你喜欢的)。
然后，您就可以链接到这个库，以便为您的项目提供TF(您还必须链接到python2.7库)!在CMake中，你只需要添加target_link_libraries(target _pywrap_tensorflow python2.7)。
c++头文件位于这个库附近，例如/usr/local/lib/python2.7/dist-packages/tensorflow/include/。
再次强调:这种方式是官方不支持的，您可能会遇到各种问题。这个库似乎是静态链接的，例如protobuf，所以你可能会在奇怪的链接时间或运行时问题中运行。但是我能够加载存储的图形，恢复权重并运行推理，这是我在c++中最想要的功能。
其他回答
我们现在在https://github.com/ika-rwth-aachen/libtensorflow_cc上提供了一个预构建的库和Docker镜像，方便TensorFlow c++ API的安装和使用
我们提供了预构建的libtensorflow_cc。因此，将附带的头文件作为一个命令安装deb-package。 我们提供了一个基于官方TensorFlow Docker镜像的预构建Docker镜像。我们的Docker镜像同时安装了TensorFlow Python和TensorFlow c++。
通过运行示例应用程序自己尝试一下:
git clone https://github.com/ika-rwth-aachen/libtensorflow_cc.git && \
cd libtensorflow_cc && \
docker run --rm \
--volume $(pwd)/example:/example \
--workdir /example \
rwthika/tensorflow-cc:latest \
./build-and-run.sh
虽然我们目前只支持运行Ubuntu的x86_64机器，但将来可以很容易地扩展到其他操作系统和平台。除了一些例外，TensorFlow从2.0.0到2.9.2的所有版本都可用，2.10.0即将推出。
如果你想使用TensorFlow c++ API在c++中加载、检查和运行保存的模型和冻结的图形，我们建议你也检查我们的帮助库tensorflow_cpp。
首先，您应该按照这里的说明从Github下载源代码(您需要Bazel和最新版本的GCC)。
The C++ API (and the backend of the system) is in tensorflow/core. Right now, only the C++ Session interface, and the C API are being supported. You can use either of these to execute TensorFlow graphs that have been built using the Python API and serialized to a GraphDef protocol buffer. There is also an experimental feature for building graphs in C++, but this is currently not quite as full-featured as the Python API (e.g. no support for auto-differentiation at present). You can see an example program that builds a small graph in C++ here.
c++ API的第二部分是用于添加新的OpKernel的API，这是一个包含CPU和GPU的数值内核实现的类。在tensorflow/core/kernels中有许多如何构建这些操作的示例，以及在c++中添加新操作的教程。
我发现使用Tensorflow c++ API的一个替代方案是使用cppflow。
它是一个围绕Tensorflow C API的轻量级c++包装器。你得到非常小的可执行文件，它链接到libtensorflow。已经编译好的文件。还有一些使用的例子，您使用CMAKE而不是Bazel。
如果你想在一个独立的包上使用Tensorflow c++ api，你可能需要tensorflow_cc。还有一个c api版本的tensorflow。所以)构建c++版本，你可以使用:
bazel build -c opt //tensorflow:libtensorflow_cc.so
注1:如果你想添加intrinsic支持，你可以添加这样的标志:——copt=-msse4.2——copt=-mavx
注2:如果你想在你的项目中也使用OpenCV，当同时使用两个库时(tensorflow问题)，你应该使用——config=monolithic。
构建库后，需要将其添加到项目中。 要做到这一点，你可以包括以下路径:
tensorflow
tensorflow/bazel-tensorflow/external/eigen_archive
tensorflow/bazel-tensorflow/external/protobuf_archive/src
tensorflow/bazel-genfiles
并将库链接到您的项目:
tensorflow/bazel-bin/tensorflow/libtensorflow_framework.so (unused if you build with --config=monolithic)
tensorflow/bazel-bin/tensorflow/libtensorflow_cc.so
当你构建你的项目时，你还应该指定你的编译器，你将使用c++11标准。
附注:相对于tensorflow版本1.5的路径(您可能需要检查您的版本中是否有任何更改)。
这个链接也帮助我找到了所有这些信息:链接
为了补充@mrry的帖子，我整理了一个教程，解释如何用c++ API加载TensorFlow图。它非常简单，应该帮助您理解所有的部分是如何组合在一起的。这是它的核心:
要求:
巴泽尔安装 克隆TensorFlow回购
文件夹结构:
tensorflow tensorflow / | | /项目名称 Tensorflow / Tensorflow /|项目名称|/|项目名称|。Cc(例如https://gist.github.com/jimfleming/4202e529042c401b17b7) tensorflow / tensorflow / | |项目名称/构建
构建:
cc_binary(
name = "<project name>",
srcs = ["<project name>.cc"],
deps = [
"//tensorflow/core:tensorflow",
]
)
有两点需要注意，但可能有变通办法:
现在，构建需要在TensorFlow回购中进行。 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
