windows環境VS2015編譯TensorFlow C++程序徹底攻略

本文參考和綜合了多篇網絡博客文章，加以本身的實踐，最終終於在windows環境下，編譯出能夠用於C++程序調用tensorflow API的程序，並執行成功。php

考慮到網絡上關於這方面的資料還較少，特總結全過程以下，但願能幫助到有須要的碼農朋友，文中有部分文字步驟是借鑑他人文章，引用路徑在最後列出。html

1、環境準備：python

操做系統：windows8.1
安裝visual stduio2015
安裝Swigwin-3.0.12，注意其下載解壓之後便可使用，本人放置路徑在D:/lib/swigwin-3.0.12，可執行文件地址爲 D:/swigwin-3.0.12/swig.exe
安裝python3.5，安裝時注意選擇將路徑添加到環境變量。
安裝CMake-3.8.0 ，安裝時注意選擇將路徑添加到環境變量。
安裝Git，用於在編譯過程當中從GitHub上下載依賴項。
將GitHub上TensorFlow的master分支下載並解壓到文件夾D:\tf中，編輯文件tensorflow/tensorflow/contrib/cmake/CMakeLists.txt，將第87行至93行修改以下：

 1 if (tensorflow_OPTIMIZE_FOR_NATIVE_ARCH)  2  include(CheckCXXCompilerFlag)  3   CHECK_CXX_COMPILER_FLAG("-march=native" COMPILER_OPT_ARCH_NATIVE_SUPPORTED)  4   if (COMPILER_OPT_ARCH_NATIVE_SUPPORTED)  5     set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -march=native")  6   else()  7     CHECK_CXX_COMPILER_FLAG("/arch:AVX" COMPILER_OPT_ARCH_AVX_SUPPORTED)  8     if(COMPILER_OPT_ARCH_AVX_SUPPORTED)  9       set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /arch:AVX") 10  endif() 11  endif() 12 endif()

2、使用CMAKE設置各項編譯參數git

打開下載tensorflow源文件的根目錄，本文路徑是E:TF Code/TensorFlow，在路徑下進入../tensorflow\contrib\cmake，新建文件夾\build。
打開已安裝的CMAKE-GUI工具，進行各項編譯選項的配置，本文配置界面以下：
點擊configue，下方提示Configuring done後，點擊Generate，等待Generating done後完成編譯設置。若是中間有報錯，請檢測各路徑設置是否正確。

3、編譯生成tensorflow庫文件github

打開visual studio2015，打開E:\TF Code\tensorflow\tensorflow\contrib\cmake\build下的ALL_BUILD項目。咱們在此只以release版本爲例，因此檢查編譯平臺是

點擊生成解決方案，編譯的時間很長，個人筆記本電腦編譯一次大概3到4個小時，編譯到最後通常都會報錯

fatal error C1060: compiler is out of heap space 不要緊，等待整個工程所有編譯完成（聽說內存特別大的電腦不會報）。

找到tf_core_kernels項目，右鍵單獨編譯，操做以下圖。

　　4. tf_core_kernels項目編譯成功後，再一樣對tensorflow_static做單獨編譯，最後再對tensorflow做單獨編譯。.windows

　　　這樣tensorflow.lib和tensorflow.dll文件就能夠編譯出來了，生成的庫文件路徑在..\tensorflow\tensorflow\contrib\cmake\build\Release下。網絡

4、使用tensorflow庫文件編寫C++程序session

在vs2015中建立一個新的Win32控制檯工程TestTensorFlow，注意也必須把編譯平臺設置成。

新建一個TestTensorFlow.h，在其中輸入

#pragma once

#define COMPILER_MSVC
#define NOMINMAX

對應的TestTensorFlow.CPP文件中輸入以下：

// TestTensorFlow.cpp : 定義控制檯應用程序的入口點。
//
#include "stdafx.h"

#include <vector>
#include <eigen/Dense>

#include "TestTensorFlow.h"
#include "tensorflow/core/public/session.h"
#include "tensorflow/cc/ops/standard_ops.h"
using namespace tensorflow;

GraphDef CreateGraphDef()
{
	Scope root = Scope::NewRootScope();

	auto X = ops::Placeholder(root.WithOpName("x"), DT_FLOAT,
		ops::Placeholder::Shape({ -1, 2 }));
	auto A = ops::Const(root, { { 3.f, 2.f },{ -1.f, 0.f } });

	auto Y = ops::MatMul(root.WithOpName("y"), A, X,
		ops::MatMul::TransposeB(true));

	GraphDef def;
	TF_CHECK_OK(root.ToGraphDef(&def));

	return def;
}

int main()
{
	GraphDef graph_def = CreateGraphDef();

	// Start up the session
	SessionOptions options;
	std::unique_ptr<Session> session(NewSession(options));
	TF_CHECK_OK(session->Create(graph_def));

	// Define some data.  This needs to be converted to an Eigen Tensor to be
	// fed into the placeholder.  Note that this will be broken up into two
	// separate vectors of length 2: [1, 2] and [3, 4], which will separately
	// be multiplied by the matrix.
	std::vector<float> data = { 1, 2, 3, 4 };
	auto mapped_X_ = Eigen::TensorMap<Eigen::Tensor<float, 2, Eigen::RowMajor>>
		(&data[0], 2, 2);
	auto eigen_X_ = Eigen::Tensor<float, 2, Eigen::RowMajor>(mapped_X_);

	Tensor X_(DT_FLOAT, TensorShape({ 2, 2 }));
	X_.tensor<float, 2>() = eigen_X_;

	std::vector<Tensor> outputs;
	TF_CHECK_OK(session->Run({ { "x", X_ } }, { "y" }, {}, &outputs));

	// Get the result and print it out
	Tensor Y_ = outputs[0];
	std::cout << Y_.tensor<float, 2>() << std::endl;

	session->Close();
	getchar();
}

　設置要包含的tensorflow頭文件路徑，右鍵項目屬性——C/C++——附加包含目錄

E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\Debug
E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\external\nsync\public
E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\protobuf\src\protobuf\src
E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\external\eigen_archive
E:\TF Code\tensorflow\tensorflow\contrib\cmake\build
E:\TF Code\tensorflow
E:\TF Code\tensorflow\third_party\eigen3

引入tensorflow.lib文件，右鍵項目——添加——現有項，找到..\tensorflow\tensorflow\contrib\cmake\build\Release下的tensorflow.lib

　　5. 設置預編譯選項，右鍵屬性——C/C++——預處理器，預處理器定義中加入PLATFORM_WINDOWSapp

　　6. 編譯TestTensorFlow項目，就能夠成功生成TestTensorFlow.exe了。工具

　　7.直接運行程序，會報錯，

　　8，把..\tensorflow\tensorflow\contrib\cmake\build\Release下的tensorflow.dll拷貝到TestTensorFlow.exe同文件夾下，再運行便可成功獲得輸出結果以下：

輸出結果有一句警告，好像是我編譯參數仍是跟CPU功能有不匹配，可是不影響執行結果，有知道如何解決的朋友能夠留言給我，謝謝。

參考：

https://www.cnblogs.com/jliangqiu2016/p/7642471.html
http://www.qingpingshan.com/m/view.php?aid=322808