【亲测免费】 frugally-deep 使用教程

项目介绍

frugally-deep 是一个轻量级的头文件库，用于在 C++ 中使用 Keras（TensorFlow）模型。它是一个纯 C++ 编写的库，易于集成和使用，仅依赖于 FunctionalPlus、Eigen 和 json 这三个头文件库。frugally-deep 支持推理（模型预测）不仅适用于顺序模型，还适用于使用功能 API 创建的具有更复杂拓扑结构的计算图。它重新实现了 TensorFlow 的一个（小）子集，即支持预测所需的操作，从而生成比链接 TensorFlow 小得多的二进制文件。

项目快速启动

安装依赖

首先，确保你已经安装了以下依赖：

• C++14 兼容的编译器（如 GCC 4.9、Clang 3.7 或 Visual C++ 2015）
• Python 3.7 或更高版本
• TensorFlow 2.17

下载和编译

1. 克隆仓库：

   git clone https://github.com/Dobiasd/frugally-deep.git
   cd frugally-deep
   

2. 安装 Python 依赖：

   pip install -r requirements.txt
   

3. 将 Keras 模型转换为 frugally-deep 格式：

   from tensorflow.keras.models import load_model
   from frugally_deep import convert_model
   
   # 加载 Keras 模型
   keras_model = load_model('path_to_your_model.h5')
   
   # 转换模型
   convert_model(keras_model, 'output_model.json')
   

4. 在 C++ 中使用转换后的模型：

   #include "fdeep/fdeep.hpp"
   #include <iostream>
   
   int main() {
       const auto model = fdeep::load_model("output_model.json");
       const auto result = model.predict(
           {fdeep::tensor(fdeep::tensor_shape(static_cast<std::size_t>(4)), std::vector<float>{1, 2, 3, 4})});
       std::cout << fdeep::show_tensors(result) << std::endl;
   }
   

编译 C++ 代码

使用以下命令编译 C++ 代码：

g++ -std=c++14 -Ipath_to_frugally_deep your_code.cpp -o your_program

应用案例和最佳实践

案例1：图像分类

假设你有一个用于图像分类的 Keras 模型，你可以使用 frugally-deep 在 C++ 中进行推理：

1. 转换模型：

   from tensorflow.keras.models import load_model
   from frugally_deep import convert_model
   
   keras_model = load_model('image_classification_model.h5')
   convert_model(keras_model, 'image_classification_model.json')
   

2. 在 C++ 中使用模型：

   #include "fdeep/fdeep.hpp"
   #include <iostream>
   
   int main() {
       const auto model = fdeep::load_model("image_classification_model.json");
       const auto result = model.predict(
           {fdeep::tensor(fdeep::tensor_shape(static_cast<std::size_t>(224 * 224 * 3)), load_image_data())});
       std::cout << fdeep::show_tensors(result) << std::endl;
   }
   

案例2：文本处理

假设你有一个用于文本处理的 Keras 模型，你可以使用 frugally-deep 在 C++ 中进行推理：

1. 转换模型：

   from tensorflow.keras.models import load_model
   from frugally_deep import convert_model
   
   keras_model = load_model('text_processing_model.h5')
   convert_model(keras_model, 'text_processing_model.json')
   

2. 在