配置VS2015 Tensorflow C++ API

Table of Contents

参考

准备

修改CMakeLists.txt

Cmake

编译tensorflow

测试

下一步

---

事实上，确实得老老实实听取查到的资料的话...在用头铁的不依照各位老哥们的话依旧用VS2010去配置tensorflow C++API的三天里饱受煎熬，转为2015后果然很流畅的就配置好了呢~所以其实前面一直试错、改错其实收获还是挺大的嘛，后续遇到的问题基本瞬间就解决了。

---

参考

基本上参考了这位大神的步骤：

【Tensorflow】Windows以cmake+visual studio方式编译cpu版tensorflow.dll和tensorflow.lib

【Tensorflow】Windows以cmake+visual studio方式编译gpu版tensorflow.dll和tensorflow.lib

【Tensorflow】Windows下用tensorflow C++接口调用pb模型文件进行预测

 

准备

     visual studio 2015 update 3（必须要，没有的可以去下载补丁更新一下，官网有）

     git（用于从github上down东西下来，推荐架梯子，或者也可以自己下载再放入相应路径下）

     Cmake v3.6.3

     python3.6或python3.5

     tensorflow r1.8（https://github.com/tensorflow/tensorflow/tree/r1.8）

     swigwin

     CUDA、cudnn

修改CMakeLists.txt

修改tensorflow/contrib/cmake/CMakeList.txt，将

if (tensorflow_OPTIMIZE_FOR_NATIVE_ARCH)
  include(CheckCXXCompilerFlag)
  CHECK_CXX_COMPILER_FLAG("-march=native" COMPILER_OPT_ARCH_NATIVE_SUPPORTED)
  if (COMPILER_OPT_ARCH_NATIVE_SUPPORTED)
    set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -march=native")
  endif()
endif()

修改为

if (tensorflow_OPTIMIZE_FOR_NATIVE_ARCH)
  include(CheckCXXCompilerFlag)
  CHECK_CXX_COMPILER_FLAG("-march=native" COMPILER_OPT_ARCH_NATIVE_SUPPORTED)
  if (COMPILER_OPT_ARCH_NATIVE_SUPPORTED)
    set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -march=native")
  else()
    CHECK_CXX_COMPILER_FLAG("/arch:AVX" COMPILER_OPT_ARCH_AVX_SUPPORTED)
    if(COMPILER_OPT_ARCH_AVX_SUPPORTED)
      set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /arch:AVX")
    endif()
  endif()
endif()

文章中在gpu版本下还推荐修改了几个地方，分别是：

set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS};-gencode arch=compute_30,code=\"sm_30,compute_30\";-gencode arch=compute_35,code=\"sm_35,compute_35\";-gencode arch=compute_52,code=\"sm_52,compute_52\";-gencode arch=compute_61,code=\"sm_61,compute_61\")

if (WIN32)
    add_definitions(-DGOOGLE_CUDA=1 -DTF_EXTRA_CUDA_CAPABILITIES=3.0,3.5,5.2,6.1)
  else (WIN32)
    # Without these double quotes, cmake in Linux makes it "-DTF_EXTRA_CUDA_CAPABILITIES=3.0, -D3.5, -D5.2" for cc, which incurs build breaks
    add_definitions(-DGOOGLE_CUDA=1 -D"TF_EXTRA_CUDA_CAPABILITIES=3.0,3.5,5.2,6.1")
  endif (WIN32)

FILE(WRITE ${tensorflow_source_dir}/third_party/gpus/cuda/cuda_config.h
    "#ifndef CUDA_CUDA_CONFIG_H_\n"
    "#define CUDA_CUDA_CONFIG_H_\n"
    "#define TF_CUDA_CAPABILITIES CudaVersion(\"3.0\"),CudaVersion(\"3.5\"),CudaVersion(\"5.2\"),CudaVersion(\"6.1\")\n"
    "#define TF_CUDA_VERSION \"64_${short_CUDA_VER}\"\n"
    "#define TF_CUDNN_VERSION \"64_${tensorflow_CUDNN_VERSION}\"\n"
    "#define TF_CUDA_TOOLKIT_PATH \"${CUDA_TOOLKIT_ROOT_DIR}\"\n"
    "#endif  // CUDA_CUDA_CONFIG_H_\n"
  )

 此处，添加了计算力为6.1的选项配置，不过考虑到我显卡和系统的渣属性，不敢把计算力提太高就没有加。

Cmake

在../tensorflow/contrib/cmake下新建一个build文件夹，打开cmake-gui

Where is the source code选择：../tensorflow/contrib/cmake

Where to build the binaries选择：../tensorflow/contrib/cmake/build

点击Configure，

选择Visual Studio的版本，点击Finish。

按照自己的需求：

选择编译版本：

修改INSTALL路径（编译后的相关文件会保存于此）；

选择SWIG_EXECUTABLE路径；

勾选tensorflow_ENABLE_GPU(GPU版本tensorflow选）；

勾选tensorflow_BUILD_SHARED_LIB，取消勾选tensorflow_ENABLE_GRPC_SUPPORT。

注意：在我这第二次点击configure后SWIG_EXECUTABLE就消失了，没关系，查看cmaketxt发现路径已经上传了。

点击Generate，成功不报错即可。

编译tensorflow

打开tensorflow.sln（路径在build/Release或者Debug）。

按照https://blog.youkuaiyun.com/heiheiya/article/details/89242567修改几个工程的配置属性。

注意：我第一次修改完后依旧报错，查询后发现我的该文件不在路径中，文件全局搜索发现在Python某个路径下，拷贝放入路径..\tensorflow\contrib\cmake\build\Release中再生成就没问题了。

还有个小错误，如果是手动下载的tensorflow源代码，记得在根路径上git init一下，否则git会找不到路径

选择项目ALL_BUILD生成。

全部生成成功之后，选择生成INSTALL项目，

会把相应的bin文件，头文件和库文件拷贝到cmake配置时设置的CMAKE_INSTALL_PREFIX路径下。

至此，gpu版本的tensorflow dll和lib编译过程结束。

测试

测试一下是否正确编译了，在bin文件夹下有一个tf_tutorials_example_trainer.exe，在cmd中运行它，如果输出类似如下内容，则证明编译是ok的。

在没有对INSTALL项目单独生成的时候我参考https://www.cnblogs.com/steven_oyj/p/8259205.html进行了tensorflow.dll的测试，

相关过程：

最后测试结果：

下一步

写代码测试模型的效果，单张测试和batch测试都试试。

可能会参考：tensorflow c++ API预测多张图片batch inference

windows下编译 tensorflow1.10.0 源码 用其c++接口调用训练好的模型