2016-05-27 22 views
6

Ho provato ad addestrare un esperimento con un modello di deep learning. Ho trovato che tensorflow è il modo migliore per farlo. Ma c'è il problema che deve essere scritto tensorflow in python. E il mio programma di contenere molti loops.Like questo ..Come addestrare un modello in C++ con tensorflow?

for i=1~2000 
for j=1~2000 

So che questo è un grande svantaggio per Python. È molto lento di c. So che tensorfow ha un'API C++, ma non è chiaro. https://www.tensorflow.org/api_docs/cc/index.html (Questa è la peggiore specifica che abbia mai visto) Qualcuno può darmi un esempio facile in questo? Tutto ciò di cui ho bisogno è un codice semplice. Uno è come creare un grafico. L'altro è come caricare questo grafico ed eseguirlo. Ho davvero bisogno di questo. Qualcuno può aiutarmi.

+0

L'esecuzione del calcolo in tensorflow non è la stessa cosa che farlo in python, anche se si sta chiamando tensorflow in pitone. Costruisci il grafico, quindi eseguilo. Ma l'esecuzione avviene in TensorFlow stesso, che è molto veloce. Non sta usando python interpretato tranne che come codice 'colla'. – user20160

+1

So cosa intendi. Il codice del modello profondo è abbastanza veloce. Ma ho un altro codice che deve scrivere in molti loop (apprendimento di rinforzo). È una funzione ricorsiva. – darren1231

+0

Vedo. Spero che il C++ funzioni per te. Se si è trattato di dover utilizzare l'API python, potrebbe essere possibile accelerare utilizzando cython, come ultima risorsa. – user20160

risposta

4

Non è così facile, ma è possibile. In primo luogo, è necessario creare il grafico di tensorflow in python e salvarlo nel file. Questo articolo può aiutare a
https://medium.com/jim-fleming/loading-a-tensorflow-graph-with-the-c-api-4caaff88463f#.krslipabt

In secondo luogo, è necessario compilare libtensorflow, collegarlo al vostro programma (è necessario intestazioni tensorflow pure, quindi è un po 'complicato) e caricare il grafico dal file. Questo articolo può aiutarvi questa volta
https://medium.com/jim-fleming/loading-tensorflow-graphs-via-host-languages-be10fd81876f#.p9s69rn7u

Problemi correlati