在 C++ 中调用 keras | iqhy's Blog

[hanqing-yu]

https://iqhy.github.io/posts/2020/0228155601/

Python 的代码优雅而实用，但是经常会遇到性能问题，这时可以使用 C/C++ 重写几个函数来解决，这样就同时兼顾了开发效率和性能。

[lingxiaw]

如果想将predict的input设置成一个二维或者三维矩阵，例如{{1，2}， {3，4}}， 应该如何操作呢？感谢解答！

[hanqing-yu]

@lingxiaw
如果想将predict的input设置成一个二维或者三维矩阵，例如{{1，2}， {3，4}}， 应该如何操作呢？感谢解答！

可以参考我写的第一个常见问题

先用fdeep::tensor声明一个tensor，如

// tensor的形状参数在fdeep::tensor_shape()中，0是初始化的值
fdeep::tensor t(fdeep::tensor_shape(3, 8, 3), 0);

然后最简单的方法是使用下面的语句给每个位置赋值 (这里也有其他赋值方法FAQ)

t.set(fdeep::internal::tensor_pos(0, 1, 2), 1);
t.set(fdeep::internal::tensor_pos(0, 1, 1), 2);
t.set(fdeep::internal::tensor_pos(0, 1, 0), 3);

然后使用model.predict()即可

fdeep::tensors result = model.predict(t);

[lingxiaw]

了解，感谢解答！

[lingxiaw]

@iqhy

@lingxiaw
如果想将predict的input设置成一个二维或者三维矩阵，例如{{1，2}， {3，4}}， 应该如何操作呢？感谢解答！

可以参考我写的第一个常见问题

先用fdeep::tensor声明一个tensor，如

// tensor的形状参数在fdeep::tensor_shape()中，0是初始化的值
fdeep::tensor t(fdeep::tensor_shape(3, 8, 3), 0);

然后最简单的方法是使用下面的语句给每个位置赋值 (这里也有其他赋值方法FAQ)

t.set(fdeep::internal::tensor_pos(0, 1, 2), 1);
t.set(fdeep::internal::tensor_pos(0, 1, 1), 2);
t.set(fdeep::internal::tensor_pos(0, 1, 0), 3);

然后使用model.predict()即可

fdeep::tensors result = model.predict(t);

还有一个问题：在得到result之后，如何将其转化成为double型的参数呢？
我了解到对于fdeep::tensor型的tensor可以用tensor.to_vector来解决问题，但是对于fdeep::tensors型的没有to_vetcor这个函数。
感谢解答！

[hanqing-yu]

@lingxiaw
还有一个问题：在得到result之后，如何将其转化成为double型的参数呢？
我了解到对于fdeep::tensor型的tensor可以用tensor.to_vector来解决问题，但是对于fdeep::tensors型的没有to_vetcor这个函数。
感谢解答！

fdeep::tensors 实际上是 std::vector<tensor> 的别名

如果你的模型只输出一个 tensor，那么可以使用

const auto result_vec = result.front().to_vector();

[lingxiaw]

了解，感谢解答！
请问您如何得知 'result.front()' 中'front()' 的用法？有时候我也想知道具体函数的用法，但是看官方信息上好像没有很多具体函数用法的信息。

[hanqing-yu]

@lingxiaw
了解，感谢解答！
请问您如何得知 'result.front()' 中'front()' 的用法？有时候我也想知道具体函数的用法，但是看官方信息上好像没有很多具体函数用法的信息。

这里的 fdeep::tensors 实际上就是一个 vector，作者在代码中是这样定义的

typedef std::vector<tensor> tensors;

而 front 是 std::vector 中的一个函数，对普通的 vector 也可以使用，作用是获取 vector 的第一个元素，用法这里可以查到。

[chocolate-byte]

这个工具仅支持tf2，但是 import tf.keras接口比tf1的import keras 慢10倍怎么办，直接c++训练更合适吗

[hanqing-yu]

@chocolate-byte
这个工具仅支持tf2，但是 import tf.keras接口比tf1的import keras 慢10倍怎么办，直接c++训练更合适吗

我当时使用的时候没有遇到性能问题，所以没有研究你说的这个问题。另外，这个工具不支持在 C++ 中训练，需要 Python 训练好后导入 C++ 调用。