深度学习如果用c加加在哪里，怎么实现

深度学习框架有很多种，比如TensorFlow、PyTorch、Caffe等。这些框架都提供了C++接口，可以在C++中调用深度学习模型。

以TensorFlow为例，可以通过以下步骤在C++中使用深度学习模型：

1. 安装TensorFlow C++库。

2. 加载已经训练好的模型。可以使用TensorFlow Python API将模型保存为protobuf格式，在C++中使用TensorFlow C++ API加载模型。

3. 处理输入数据。将输入数据转换为TensorFlow的Tensor格式。

4. 运行模型。使用TensorFlow C++ API运行模型，得到输出结果。

以下是一个简单的使用TensorFlow C++ API运行模型的示例代码：

#include "tensorflow/core/public/session.h"
#include "tensorflow/core/platform/env.h"

using namespace tensorflow;

Status LoadModel(const std::string& model_path, Session* session) {
  GraphDef graph_def;
  Status status = ReadBinaryProto(Env::Default(), model_path, &graph_def);
  if (!status.ok()) {
    return status;
  }
  status = session->Create(graph_def);
  return status;
}

int main() {
  // 加载模型
  SessionOptions session_options;
  session_options.config.mutable_gpu_options()->set_allow_growth(true);
  Session* session;
  Status status = NewSession(session_options, &session);
  status = LoadModel("model.pb", session);

  // 处理输入数据
  Tensor input_tensor(DT_FLOAT, TensorShape({1, 28, 28, 1}));
  auto input_tensor_mapped = input_tensor.tensor<float, 4>();
  // 将输入数据写入input_tensor_mapped

  // 运行模型
  std::vector<std::pair<string, Tensor>> inputs = {{"input", input_tensor}};
  std::vector<tensorflow::Tensor> outputs;
  status = session->Run(inputs, {"output"}, {}, &outputs);
  auto output_tensor_mapped = outputs[0].tensor<float, 2>();
  // 处理输出结果

  return 0;
}

需要注意的是，深度学习模型通常需要在GPU上运行才能获得较好的性能，因此需要安装GPU版本的TensorFlow和CUDA等库。另外，深度学习模型的训练通常使用Python实现，而C++主要用于部署和推理。