TensorFlow c++代码案例

以下是一个使用 TensorFlow C++ API 实现简单的线性回归模型的示例代码：

#include <iostream>
#include "tensorflow/cc/client/client_session.h"
#include "tensorflow/cc/ops/standard_ops.h"
#include "tensorflow/core/framework/tensor.h"

using namespace std;
using namespace tensorflow;
using namespace tensorflow::ops;

int main() {
  // 构建训练数据
  Tensor x(DT_FLOAT, TensorShape({3, 1}));
  auto x_map = x.tensor<float, 2>();
  x_map(0, 0) = 1.0;
  x_map(1, 0) = 2.0;
  x_map(2, 0) = 3.0;

  Tensor y(DT_FLOAT, TensorShape({3, 1}));
  auto y_map = y.tensor<float, 2>();
  y_map(0, 0) = 2.0;
  y_map(1, 0) = 4.0;
  y_map(2, 0) = 6.0;

  // 定义模型
  auto scope = Scope::NewRootScope();
  auto X = Placeholder(scope, DT_FLOAT);
  auto Y = Placeholder(scope, DT_FLOAT);
  auto W = Variable(scope, {1, 1}, DT_FLOAT);
  auto b = Variable(scope, {1}, DT_FLOAT);
  auto Y_hat = Add(scope, MatMul(scope, X, W), b);
  auto loss = Mean(scope, Square(scope, Sub(scope, Y_hat, Y)), {0, 1});

  // 构建优化器
  auto train_op = GradientDescentOptimizer(scope, 0.01f).Minimize(loss);

  // 运行会话
  ClientSession session(scope);
  TF_CHECK_OK(session.Run({Assign(scope, W, {{0.0f}}), Assign(scope, b, {0.0f})}, nullptr));
  for (int i = 0; i < 100; i++) {
    TF_CHECK_OK(session.Run({{X, x}, {Y, y}}, {train_op}, nullptr));
  }

  // 打印结果
  auto W_tensor = W.eval(session);
  auto b_tensor = b.eval(session);
  cout << "W: " << W_tensor.tensor<float, 2>()(0, 0) << endl;
  cout << "b: " << b_tensor.tensor<float, 1>()(0) << endl;

  return 0;
}

这段代码实现了一个简单的线性回归模型，使用 TensorFlow C++ API 定义了模型、损失函数和优化器，并在训练数据上进行了训练。最后输出训练得到的模型参数。