Cómo implementar un modelo entrenado de TensorFlow (solo parte de propaganda directa) en CPP puro

Código de Python Ejemplo:

importar tensorflow como tf
importar numpy como np

con tf.Session () como sess:
a = tf. Variable (5.0, nombre = ‘a’)
b = tf. Variable (6.0, nombre = ‘b’)
c = tf.mul (a, b, nombre = “c”)

• ¿Cuál es la diferencia entre rpart y randomForest en R?
• ¿Cómo se puede usar Machine Learning para resolver el siguiente problema?
• ¿Cuáles son las mejores medidas al validar de forma cruzada un modelo para determinar qué tan bueno es el modelo y cómo funcionará en situaciones reales?
• Cómo elegir el número de árboles en el aprendizaje automático
• ¿Qué métodos existen para combatir los problemas de gradiente de desaparición y explosión?

sess.run (tf.initialize_all_variables ())

print a.eval () # 5.0
print b.eval () # 6.0
print c.eval () # 30.0

tf.train.write_graph (sess.graph_def, ‘models /’, ‘graph.pb’, as_text = False)

Al final de tu entrenamiento guardas el modelo.

Entonces todo lo que tiene que hacer es cambiar a la API de C ++ y hacer estas operaciones en este orden

1. Inicialice una sesión de TensorFlow.
2. Leer en el gráfico guardado
3. Agregue el gráfico a la sesión.
4. Configura nuestras entradas y salidas.
5. Ejecute el gráfico, completando las salidas.
6. Leer valores de las salidas.
7. Cierre la sesión para liberar recursos.

Ejemplo de código C ++ Cargue una definición de gráfico guardada de Protobuf.