使用TensorFlow的C++接口

之前编译的是python package，然后我在docs项目下找教程找不着，直接在里面搜了一下hello world，意外的看到了 docs/site/en/r1/guide/extend/cc.md

这篇讲的是直接调用tf的c++接口，很明显更符合我的需求，于是我就按照这篇操作了一下。

按教程里面说的，这是一个依赖tensorflow项目本体的bazel编译的方式，并非把它当成了纯粹的第三方库，目前还符合我的需要，而且操作很简单，于是就先按这个方式操作。

首先在源码文件夹创建 tensorflow/cc/example/example.cc，然后把md里面的代码直接贴进去，接下来在相同的位置放一个BUILD文件，把下面那段再贴进去，准备工作就完成了。

接下来在源码根目录跑（这份源码要运行过./configure，用的是之前的devel docker）

等他自己编译完成就好了。

如果从零开编的话，相对于pip_package只需要花三分之一的时间。

===== 其实到这儿就结束了，接下来都是我踩的坑。 =====

这次吸取了教训，人家的文档写的明明白白的！！一定要逐行阅读！！

我看到这份c++代码就头脑一热自己拿去编译，鼓捣了半天，只在解压后的whl包里搞到了include头文件，但即使把whl里所有的so都link上去依旧显示有undefined reference。

无奈之下我又在源码文件夹里搜索"libtensorflow"出现的位置，意外的看到了这么几个文件

简单看一下得出这三个是从下到上引用的关系，直接运行第三个脚本即可，然而并不能成功，报错显示找不到cuda，可我明明要编译的是cpu版本，中间打了个日志也确定它判断出的SUFFIX值的确是“-cpu-linux-”，可是编译的命令里还是可以搜索到"-gpu"等等，我怀疑这个脚本并不能直接调用，还是需要依赖bazel，就像build_pip_package其实也是个shell脚本，由bazel管理了依赖，直接调用会缺少一些环境变量之类的。可是代码里没搜到哪个BUILD文件里有cpu_libtensorflow。

接下来是个大坑，有一个很类似我要找的东西

里面提供了编译出libtensorflow.tar.gz的功能，不管怎么看都是我需要的东西，于是我兴高采烈的编译了起来，这次到没有报错，我却发现它从头开始编译了，当时我就抱怨这bazel怎么这么蠢，换个target它就不能复用一下，就这样又等了8h。

得到的tar.gz解压一看，里面有两个文件夹，include和lib，非常完美，拉去编译，又不行，打开一看，这include里虽然有一堆头文件，但是跟源码里的结构都不沾边儿。

根据include/tensorflow/cc/c_api.h的注释，这一套接口甚至全是以TF_开头的，肯定不是我需要的东西，干脆放弃了这条路。

中间我又按下了build_pip_package，过了几秒钟就后悔了，既然都要从头编译，我应该新开个文件夹，万一这个lib_package以后需要呢，于是我把它掐了之后，抱着试一试的心态又重编了libtensorflow.tar.gz，意外发现两分钟就编好了，这时我才想到，其实bazel不蠢，大概是因为宏的问题导致它确实是需要触发集体重编的。这更加印证了我根本不需要这个lib_package。

还有个很蠢的文档问题。不知道为什么科学上网之后依旧打不开官网文档，当时感觉我们遭到了技术封锁...

docs下的md我还知道怎么看，但是还有一类ipynb的文件，打开一看全是类似json的东西，一般我就直接关上了，以为是配置文件之类的用于编译文档的，后来才想到干嘛不搜一下呢，一搜才想起这原来是notebook的格式，装一个jupyter notebook就能看了，然后根据 docs/site/en/guide/_toc.yaml，就可以知道文档的阅读顺序，当时兴奋的觉得自己有了重大突破。

后来突然在想，这东西咋没人研究呢，害我捣鼓半天（因为中间研究了下怎么把文档编译出来，发现根本没人提这茬），后来我突然想到干嘛不直接百度呢，百度一搜，焯，原来是官网文档的地址变了，tensorflow.org是死活打不开的，但是tensorflow.google.cn甚至直接就能打开，流畅的一匹，感觉这波叫做聪明反被聪明误，不知道为什么用他们自家搜索网站搜出来的都是老地址。

最后的最后我才好好读了一下最开头的cc.md，发现自己净瞎走弯路，实在是太蠢了。