C++ 和python的混合编程

• windows + vs

  1. 新建一个工程，在工程属性中添加如下的几个

     C:\Users\[user_name]\Anaconda3\include

     C:\Users\[user_name]\Anaconda3\Lib

     C:\Users\[user_name]\Anaconda3\libs

     具体路径根据自己python的安装情况确定。

  2. 添加附加依赖项 pytyhon36.lib,具体参照自己的文件路径以及python版本

• ubuntu

  安装了anaconda, tensorflow

  C++ 和 python代码与上面类似。在构建执行文件时

  main:c++python.cpp
      g++ -o out c++python.cpp -I/home/pdd/anaconda3/include/python3.6m -lpython3.6m -L /home/pdd/anaconda3/lib
  
  clean:
      rm -rf *.o

  -I后面的/home/pdd/anaconda3/include/python3.6m有需要的Python.h；

  -lpython3.6m链接到需要的libpython3.6m.so;

  -L指出链接的路径。

  终端输入make。如果提示需要什么libpython3.6m.so,就把/home/pdd/anaconda3/lib下的libpython3.6m.*.so复制到/usr/lib/下（sudo cp ——–）  此时再次输入make，一切ok！得到out文件，输入./out

源码编译运行。

大体的流程如下：

• 1.使用tensorflow python API编写和训练自己的模型，训练完成后，使用tensorflow saver 将模型保存下来。
• 2.使用tensorflow c++ API 构建新的session，读取python版本保存的模型，然后使用session->run()获得模型的输出。
• 3.编译和运行基于tensorflow c++ API写的代码。