正如标题所言,停止使用C++ 版 tensorflow库吧!
原因如下:
1.编译成功率低;
2.现有编译教程都基于tensorflow 1.x,想编个2.x的无迹可寻;
3.即使编译出来了,“无法解析的外部符号问题” 也会无休止的折磨人;
4.tensorflow在python环境经过了完备的测试。
正由于以上几点原因,让我放弃了编译和使用C++版本的tensorflow库;然而在生产环境中大概率还是要用C++构建的程序来调用tensorflow的功能的,所以打算重新设计一下结构:
1.Python端:完成模型训练、获取图像、检测的功能,并把检测结果的结构体(图像序号,ok,ng,标志框,标志点等等)发送到C++端,发送方式可以为tcp,redis;
2.C++(计划用Qt)端:接收Python端信息,处理、显示、报警、记录、生产报表等等。
3.总的来说就是强扭的瓜不甜,各种语言完成各种语言擅长的事。
以上设计可能遇到的问题:
1.获取图像,工业相机SDK不一定提供Python SDK,对于不提供Python SDK的工业相机需要把其C SDK封装成Py SDK,好在是比较容易实现的。
2.python对redis的支持?OK,刚刚也查到了https://www.runoob.com/w3cnote/python-redis-intro.html
3.为什么可能用到redis?感觉更稳当,异步。
博主因C++版Tensorflow编译困难及文档更新滞后而放弃使用,改为采用Python进行模型训练和图像检测,通过TCP或Redis将结果传递给C++(计划使用Qt)应用进行后续处理。面临挑战包括封装工业相机SDK和选择稳定的数据通信方式。
(一)&spm=1001.2101.3001.5002&articleId=117127744&d=1&t=3&u=08d1442edcbc4629857b8425d6fe9b1d)
937

被折叠的 条评论
为什么被折叠?



