C++调用Python（一）

1 背景

最近在写一个数码管识别的代码，基于opencv4.1.0框架，在机器学习的背景下，我用过ANN，聚类和SVM支持向量机三种框架，最终发现效果不是特别好，ANN效果最好，在环境变化不大的情况下准确度能到99%以上。但是依然达不到要求，因为这个识别率要求比较高，力求达到99%以上，所以决定用深度学习的框架试试。

深度学习的框架用的tensorflowflow。所以最近在研究深度学习的框架其中之一的tensorflowflow，tensorflow网上主要都是用python写的demo。而且tensorflow在c++环境下部署特别麻烦。我需要用Cmake配置，最开始是准备python生产pb和pbtxt训练集，再用DNN模块加载，在c++中做图像预处理，由于失败了，就不做介绍了；最终我采用的策略是tensorflow的框架用python写，最后用c++加载python脚本。但是这个过程极其曲折和痛苦。

2 TensorFlow库部分介绍

2.1介绍

TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief [1] 。

Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2] 。

TensorFlow由谷歌人工智能团队（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API） [2] 。自2015年11月9日起，TensorFlow依据阿帕奇授权协议（Apache 2.0 open source license） [2]

2.2背景

谷歌大脑自2011年成立起开展了面向科学研究和谷歌产品开发的大规模应用研究，其早期工作即是TensorFlow的前身DistBelief [1] 。DistBelief的功能是构建各尺度下的神经网络分布式学习和交互系统，也被称为"第一代机器学习系统" [1] 。DistBelief在谷歌和旗下其它公司的产品开发中被改进和广泛使用 [3-4] 。2015年11月，在DistBelief的基础上，谷歌大脑完成了对"第二代机器学习系统"TensorFlow的开发并对代码开源。相比于前作，TensorFlow在性能上有显著改进、构架灵活性和也得到增强 [1] 。此后TensorFlow快速发展，截至稳定API版本1.12，已拥有包含各类开发和研究项目的完整生态系统。在2018年4月的TensorFlow开发者峰会中，有21个TensorFlow有关主题得到展示 [2]

3. C++如何调用python库文件

3.1.环境配置

安装完python后，把python的include和lib拷贝到自己的工程目录下

然后在工程中包括进去

3.2测试实例

先写一个python的测试脚本，如下

这个脚本里面定义了两个函数Hello()和_add()。我的脚本的文件名叫mytest.py

C++代码：
#include "stdafx.h"
#include <stdlib.h>
#include <iostream>
#include "include\Python.h"
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
//初始化Python环境
Py_Initialize();
PyRun_SimpleString("import sys");
//添加Insert模块路径
//PyRun_SimpleString(chdir_cmd.c_str());
PyRun_SimpleString("sys.path.append('./')");
//导入模块
PyObject* pModule = PyImport_ImportModule("mytest");
if (!pModule)
{
cout << "Python get module failed." << endl;
return 0;
}
cout << "Python get module succeed." << endl;
PyObject * pFunc = NULL;
pFunc = PyObject_GetAttrString(pModule, "Hello");
PyEval_CallObject(pFunc, NULL);
//获取Insert模块内_add函数
PyObject* pv = PyObject_GetAttrString(pModule, "_add");
if (!pv || !PyCallable_Check(pv))
{
cout << "Can't find funftion (_add)" << endl;
return 0;
}
cout << "Get function (_add) succeed." << endl;
//初始化要传入的参数，args配置成传入两个参数的模式
PyObject* args = PyTuple_New(2);
//将Long型数据转换成Python可接收的类型
PyObject* arg1 = PyLong_FromLong(4);
PyObject* arg2 = PyLong_FromLong(3);
//将arg1配置为arg带入的第一个参数
PyTuple_SetItem(args, 0, arg1);
//将arg1配置为arg带入的第二个参数
PyTuple_SetItem(args, 1, arg2);
//传入参数调用函数，并获取返回值
PyObject* pRet = PyObject_CallObject(pv, args);
if (pRet)
{
//将返回值转换成long型
long result = PyLong_AsLong(pRet);
cout << "result:" << result << endl ;
}
Py_Finalize();
system("pause");
return 0;

3.3后续内容

这种方式只能解决在python基础文件的调用，在需要加入 opencv 和tensorflowflow模块的时候，其中有好几个坑，后续再介绍。

辞话Love

ITPub博客

C++调用Python脚本

最新文章