windows环境VS2015编译TensorFlow C++程序完全攻略

本文参考和综合了多篇网络博客文章，加以自己的实践，最终终于在windows环境下，编译出可以用于C++程序调用tensorflow API的程序，并执行成功。

考虑到网络上关于这方面的资料还较少，特总结全过程如下，希望能帮助到有需要的码农朋友，文中有部分文字步骤是借鉴他人文章，引用路径在最后列出。

一、环境准备：

1. 操作系统：windows8.1
2. 安装visual stduio2015
3. 安装Swigwin-3.0.12，注意其下载解压以后即可使用，本人放置路径在D:/lib/swigwin-3.0.12，可执行文件地址为 D:/swigwin-3.0.12/swig.exe
4. 安装python3.5，安装时注意选择将路径添加到环境变量。
5. 安装CMake-3.8.0 ，安装时注意选择将路径添加到环境变量。
6. 安装Git，用于在编译过程中从GitHub上下载依赖项。
7. 将GitHub上TensorFlow的master分支 下载并解压到文件夹D:\tf中，编辑文件tensorflow/tensorflow/contrib/cmake/CMakeLists.txt，将第87行至93行修改如下：

 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()

二、使用CMAKE设置各项编译参数

1. 打开下载tensorflow源文件的根目录，本文路径是E:TF Code/TensorFlow，在路径下进入../tensorflow\contrib\cmake， 新建文件夹\build。
2. 打开已安装的CMAKE-GUI工具，进行各项编译选项的配置，本文配置界面如下：
3. 
4. 点击configue，下方提示Configuring done后，点击Generate，等待Generating done后完成编译设置。如果中间有报错，请检测各路径设置是否正确。

三、编译生成tensorflow库文件

1. 打开visual studio2015，打开E:\TF Code\tensorflow\tensorflow\contrib\cmake\build下的ALL_BUILD项目。我们在此只以release版本为例，所以检查编译平台是
2. 点击生成解决方案，编译的时间很长，我的笔记本电脑编译一次大概3到4个小时，编译到最后一般都会报错

   fatal error C1060: compiler is out of heap space 没关系，等待整个工程全部编译完成（据说内存特别大的电脑不会报）。

3. 找到tf_core_kernels项目，右键单独编译，操作如下图。

　　　

　　4. tf_core_kernels项目编译成功后，再同样对tensorflow_static作单独编译，最后再对tensorflow作单独编译。.

　　　这样tensorflow.lib和tensorflow.dll文件就可以编译出来了，生成的库文件路径在..\tensorflow\tensorflow\contrib\cmake\build\Release下。

四、使用tensorflow库文件编写C++程序

1. 在vs2015中创建一个新的Win32控制台工程TestTensorFlow，注意也必须把编译平台设置成。
2. 新建一个TestTensorFlow.h，在其中输入

   #pragma once
   
   #define COMPILER_MSVC
   #define NOMINMAX　　

3. 对应的TestTensorFlow.CPP文件中输入如下：

   // TestTensorFlow.cpp : 定义控制台应用程序的入口点。
   //
   #include "stdafx.h"
   
   #include <vector>
   #include <eigen/Dense>
   
   #include "TestTensorFlow.h"
   #include "tensorflow/core/public/session.h"
   #include "tensorflow/cc/ops/standard_ops.h"
   using namespace tensorflow;
   
   GraphDef CreateGraphDef()
   {
   	Scope root = Scope::NewRootScope();
   
   	auto X = ops::Placeholder(root.WithOpName("x"), DT_FLOAT,
   		ops::Placeholder::Shape({ -1, 2 }));
   	auto A = ops::Const(root, { { 3.f, 2.f },{ -1.f, 0.f } });
   
   	auto Y = ops::MatMul(root.WithOpName("y"), A, X,
   		ops::MatMul::TransposeB(true));
   
   	GraphDef def;
   	TF_CHECK_OK(root.ToGraphDef(&def));
   
   	return def;
   }
   
   int main()
   {
   	GraphDef graph_def = CreateGraphDef();
   
   	// Start up the session
   	SessionOptions options;
   	std::unique_ptr<Session> session(NewSession(options));
   	TF_CHECK_OK(session->Create(graph_def));
   
   	// Define some data.  This needs to be converted to an Eigen Tensor to be
   	// fed into the placeholder.  Note that this will be broken up into two
   	// separate vectors of length 2: [1, 2] and [3, 4], which will separately
   	// be multiplied by the matrix.
   	std::vector<float> data = { 1, 2, 3, 4 };
   	auto mapped_X_ = Eigen::TensorMap<Eigen::Tensor<float, 2, Eigen::RowMajor>>
   		(&data[0], 2, 2);
   	auto eigen_X_ = Eigen::Tensor<float, 2, Eigen::RowMajor>(mapped_X_);
   
   	Tensor X_(DT_FLOAT, TensorShape({ 2, 2 }));
   	X_.tensor<float, 2>() = eigen_X_;
   
   	std::vector<Tensor> outputs;
   	TF_CHECK_OK(session->Run({ { "x", X_ } }, { "y" }, {}, &outputs));
   
   	// Get the result and print it out
   	Tensor Y_ = outputs[0];
   	std::cout << Y_.tensor<float, 2>() << std::endl;
   
   	session->Close();
   	getchar();
   }　

4. 　设置要包含的tensorflow头文件路径，右键项目属性——C/C++——附加包含目录

   E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\Debug
   E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\external\nsync\public
   E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\protobuf\src\protobuf\src
   E:\TF Code\tensorflow\tensorflow\contrib\cmake\build\external\eigen_archive
   E:\TF Code\tensorflow\tensorflow\contrib\cmake\build
   E:\TF Code\tensorflow
   E:\TF Code\tensorflow\third_party\eigen3

5. 引入tensorflow.lib文件，右键项目——添加——现有项，找到..\tensorflow\tensorflow\contrib\cmake\build\Release下的tensorflow.lib

　　5.  设置预编译选项，右键属性——C/C++——预处理器，预处理器定义中加入PLATFORM_WINDOWS

　　6. 编译TestTensorFlow项目，就可以成功生成TestTensorFlow.exe了。

　　7.直接运行程序，会报错，

　　8，把..\tensorflow\tensorflow\contrib\cmake\build\Release下的tensorflow.dll拷贝到TestTensorFlow.exe同文件夹下，再运行即可成功得到输出结果如下：

输出结果有一句警告，好像是我编译参数还是跟CPU功能有不匹配，但是不影响执行结果，有知道如何解决的朋友可以留言给我，谢谢。

参考：

1. https://www.cnblogs.com/jliangqiu2016/p/7642471.html
2. http://www.qingpingshan.com/m/view.php?aid=322808