创建Python脚本：主要是导入模型，数据处理：
这里我创建：keras_predict.py文件；
代码如下（示例）：
import time
import numpy as np
from tensorflow import keras
from tensorflow.keras.preprocessing.image import load_img
#print("导入模块完成")
model_path="..\\model.h5"
model=keras.models.load_model(model_path) #导入模型，model是全局变量，不要写入函数里面，这样写的好处是调用时只加载一次模型，不需要每次都加载模型；
#这里设置一个阈值的参数，个人项目需要，你可以不设置
def predict_val(images,threshold=0.0):
newtime=time.time()
image=load_img(images,target_size=(256,256))
image=np.array(image, np.float32)/255.
image= np.reshape(image, (1, 256, 256, 3))
predict_value=model.predict(image,batch_size=1)
oldtime=time.time()
one_time=oldtime-newtime
#print("image:%s" % images,predict_value[0],"time:%f" % one_time)
max_index=np.argmax(predict_value[0])
pre_maxval=np.max(predict_value[0])
if (max_index==2)&(pre_maxval<threshold):
max_index=3
return pre_maxval,max_index,one_time
要注意的点：
1）尽量使用tensorflow包含的函数接口实现代码：减少不必要的库导入，比如PIL，cv2等，有些库不容易在C++工程中加载进来。可以在模块到入后加个输出语句，判断是否成功导入模块；
2）一定要在自己的编辑运行调试一遍，确保能运行成功，比如在Pycharm中。
3）将文件
keras_predict.py复制到你的C++项目中；路径是：
项目名称\x64\Debug;
在VS中运行一下产生Debug文件夹；
VS中创建工程，
#include"stdafx.h"
#include<iostream>
#include <Python.h>
#include<windows.h>
#include <string>
#include <vector>
#include <cstring>
using namespace std;
void testImage(char* imgpath)
///char*modelpath = "..\\model-40.h5";
try {
Py_SetPythonHome(L"..\\tf_CPU");//设置Python路径，也可以指定GPU环境中的python
//Py_SetPythonHome(L"E:\\anaconda\\envs\\tf_GPU");
Py_Initialize();
//PyEval_InitThreads();
float threshold = 0.83;
PyObject*pFunc = NULL;
PyObject*pArg = NULL;
PyObject* module = NULL;
PyObject* value = NULL;
module = PyImport_ImportModule("keras_predict");//myModel:Python文件名
if (!module) {
printf("cannot open module!");
Py_Finalize();
return;
pFunc = PyObject_GetAttrString(module, "predict_val");//test_one_image:Python文件中的函数名
if (!pFunc) {
printf("cannot open FUNC!");
Py_Finalize();
return;
//开始调用model
float maxvalue;
int maxindex;
float onetime;
if (module != NULL) {
pArg = PyTuple_New(2); ; //初始化一个列表
PyTuple_SetItem(pArg, 0, Py_BuildValue("s", imgpath)); //对参赛元组复制
PyTuple_SetItem(pArg, 1, Py_BuildValue("f", threshold));
//pArg = Py_BuildValue("(s)(f)", imgpath, threshold);//转化成python对象，（path）
PyObject*value = PyEval_CallObject(pFunc, pArg);
PyArg_ParseTuple(value, "f|i|f", &maxvalue, &maxindex,&onetime);
if (value)
printf("MaxValue: %f MaxIndx: %d Time: %f\n", maxvalue, maxindex,onetime);
catch (exception& e)
cout << "Standard exception: " << e.what() << endl;
void getAllFiles(string path, vector<string>&files, string fileType) {
//文件句柄
intptr_t hFile = 0;
//long hFile = 0;
struct _finddata_t fileInfo;
string p;
if ((hFile = _findfirst(p.assign(path).append("\\*" + fileType).c_str(), &fileInfo)) != -1) {
files.push_back(p.assign(path).append("\\").append(fileInfo.name));
} while (_findnext(hFile, &fileInfo) == 0);
_findclose(hFile);//关闭句柄
int main()
string folder_path = "C:\\Users\\KGK\\Desktop\\training\\loss";//加入你自己文件夹路径
vector<string> temp;
getAllFiles(folder_path, temp, ".jpeg");//获取整个文件夹图片，格式.jpeg
char imgpath[1000];
for (int i = 0; i < temp.size(); i++) {
strcpy_s(imgpath, temp[i].c_str());
testImage(imgpath);
system("pause");
return 0;
测试结果：一张图像需要220-260ms，c++调用python在cpu环境下：
测试结果:25-30ms，c++调用python在cpu环境下：gpu :gtx1060 6G
使用c++版本tensorflow,测试一张图像大概是：200ms,和c++调用python速度相差不大。
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数..
