這段時間一直用python代碼import tensorflow和keras的庫，來搭建CNN框架進行圖像的訓練和預測，現在想用tensorflow的c++版來改寫實現。故想自己編譯一份tensroflow的lib和dll文件，創建工程調用其來實現相同的功能。本博客主要講編譯過程和一個簡單的sample例子。
一.編譯詳細過程：
1.下載tensorflow源碼，鏈接：點擊打開鏈接，選擇1.3.0版本。
2.準備工具：
一臺配置了英偉達顯卡的x64位win7系統電腦
（1）CMake 3.10.1點擊打開鏈接
（2）swigwin-3.0.12點擊打開鏈接
（3） VS2015
（4） cuda8.0+cudnnv5.1(如何安裝配置驗證參考我的之前博文“win7下cuda8.0安裝跑gpu版tensorflow”
（5） 無網狀態下需要下載部分文件。下面會介紹。
3.Cmake-gui編譯tensorflow
（1）打開cmake-gui, 在tensorflow所在本機位置的tensorflow-1.3.0\tensorflow-1.3.0\tensorflow\contrib\cmake
路徑下新建build文件夾2
（2）Browse Source和Browse Build按照此下選擇(cmake文件夾下如果沒有build文件夾，自己新建一個）
（3）點擊cmake-gui左下角的Config按鈕，會跳出來對話框，按照下圖選擇2015 Win64，然後點擊Finish按鈕
（4）會出現如下圖的報錯信息
（5）cmake-gui需要做如下配置，SWIG_EXECUTABLE路徑設置到上面swigwin-3.0.12中swig.exe所在的位置
（6）再次點擊configure按鈕，出現下圖，表示config成功
（7）展開tensorflow，按如下打勾的勾選上，然後點Generate
（8）出現Generating done表明生成成功
（9）然後點擊Open Project按鈕，打開工程
（10）點擊菜單欄裏的工具（T），選擇選項按鈕，在項目和解決方案下選擇生成並運行項
做如下配置：設置最大並行項目生成數爲1
（11）生成ALL_BUILD項目。
（12）中間不會很順利，會報一些錯誤，如下所示：
分析無非這兩大報錯原因：a.由於網速慢或者資源原因，一些編譯過程中需要下載的庫download不下來。
b. re2工程編譯不過去
（13）re2工程編譯失敗處理（"re2/re2.h": No such file or directory）
轉到到你的tensorflow文件裏tensorflow-1.3.0\tensorflow\contrib\cmake\build\re2\src\re2目錄下。
刪除該目錄下的非文件夾的文件，除了CmakeList.txt保留。
打開cmake-gui,如下圖所示配置,單獨重新配置re2工程。
記得Ungrouped Entries下的RE2_BUILD_TESTING取消勾選
BUILD下的BUILD_TESTING取消勾選
之後點擊Config、Generate按鈕重新生成Re2工程。不需要點open project按鈕
重新僅生成Re2工程，成功。
（14）解決由於網速或者離線模式下相關文件不能下載而導致的失敗問題
比如報downloading "htpps://storage.gooleapis.com/libpng-public-archive/libpng-1.2.53.tar.gz' failed
可以在有網的環境下事先下載好這份文件，拷貝到
tensorflow-1.3.0\tensorflow\contrib\cmake\build\downloads文件夾下。
然後轉到tensorflow-1.3.0\tensorflow\contrib\cmake\build\png\src\png-stamp文件夾下，
把download-png.cmake裏的東西清空，如下圖所示：
對png工程重新僅生成該工程，編譯成功。
解決該問題的方法也可以給離線模式編譯帶來參考，可以事先先準備好這些編譯過程中需要下載的文件，所有文件均在
tensorflow-1.3.0\tensorflow\contrib\cmake\build\downloads文件夾裏
下圖是我編譯成功該版tensorflow需要依賴的庫
（15）重新生成ALL Build一般就能成功了（我按照此邏輯裝過三次），如果不行可以留言！
生成成功後會在tensorflow-1.3.0\tensorflow\contrib\cmake\build\Release文件夾下看到tensorlow.lib和dll文件
到這邊就編譯結束啦！後面就可以寫一些程序來調用這個dll。
該dll是x64 release版dll
下面是應用tensorflow.dll的一個簡單會話例子。
用VS2015新建一個控制檯程序。
sample1.cpp中代碼如下：
// sample1.cpp : 定義控制檯應用程序的入口點。
//
#include "stdafx.h"
#include <iostream>
#include <Eigen\\Dense>
#include "tensorflow/core/public/session.h"
#include "tensorflow/cc/ops/standard_ops.h"
using namespace tensorflow;
GraphDef CreateGraphDef()
{
Scope root = Scope::NewRootScope();
auto X = ops::Placeholder(root.WithOpName("x"), DT_FLOAT,
ops::Placeholder::Shape({ -1, 2 }));
auto A = ops::Const(root, { { 3.f, 2.f },{ -1.f, 0.f } });
auto Y = ops::MatMul(root.WithOpName("y"), A, X,
ops::MatMul::TransposeB(true));
GraphDef def;
TF_CHECK_OK(root.ToGraphDef(&def));
return def;
}
int main()
{
std::cout << "me" << std::endl;
GraphDef graph_def = CreateGraphDef();
// Start up the session
SessionOptions options;
std::unique_ptr<Session> session(NewSession(options));
TF_CHECK_OK(session->Create(graph_def));
// Define some data. This needs to be converted to an Eigen Tensor to be
// fed into the placeholder. Note that this will be broken up into two
// separate vectors of length 2: [1, 2] and [3, 4], which will separately
// be multiplied by the matrix.
std::vector<float> data = { 1, 2, 3, 4 };
auto mapped_X_ = Eigen::TensorMap<Eigen::Tensor<float, 2, Eigen::RowMajor>>
(&data[0], 2, 2);
auto eigen_X_ = Eigen::Tensor<float, 2, Eigen::RowMajor>(mapped_X_);
Tensor X_(DT_FLOAT, TensorShape({ 2, 2 }));
X_.tensor<float, 2>() = eigen_X_;
std::vector<Tensor> outputs;
TF_CHECK_OK(session->Run({ { "x", X_ } }, { "y" }, {}, &outputs));
// Get the result and print it out
Tensor Y_ = outputs[0];
std::cout << Y_.tensor<float, 2>() << std::endl;
session->Close();
getchar();
return 0;
}同時在頭文件stdafx.h文件中添加如下語句：
#include <tchar.h>
#define COMPILER_MSVC
#define NOMINMAX
完了之後對該工程進行路徑及dll的配置：（我這邊配的是絕對路徑，最好用相對路徑）
配置完後運行該sample工程，結果如下圖：
