C++ 调用 python深度学习脚本 进行图像分类

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了C++ 调用 python深度学习脚本 进行图像分类，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4762字，纯文字阅读大概需要7分钟。

内容图文

C++ 调用 python深度学习脚本 进行图像分类

Python Hello.py 文件

import torch
import PIL
from PIL import Image
import numpy as np
import cv2
import torch
import torchvision.models as models
import torch.nn as nn
import torchvision.transforms as transforms
class Hello:
    def __init__(self, x):
        self.a = x
        print(x)
    def print(self, x=None):
        print(x)
def xprint():
    print("hello world")
def imshow(x):
    a = x[:, 0:len(x[0] - 2):3]
    b = x[:, 1:len(x[0] - 2):3]
    c = x[:, 2:len(x[0] - 2):3]
    print("-------")
    print(a.shape, b.shape, c.shape)
    a = a[:, :, None]
    b = b[:, :, None]
    c = c[:, :, None]
    m = np.concatenate((a, b, c), axis=2)
    print(m.shape)
    rgbImg = cv2.cvtColor(m, cv2.COLOR_BGR2GRAY)
    print(rgbImg.shape)
    cv2.imshow("test", rgbImg)
    cv2.waitKey(0)
    return rgbImg.shape[0]
class Network:
    def __init__(self):
        print("ddd")
        self.model = None
        self.transform =  transforms.Compose([
                transforms.Resize(size=(224, 224)),
                transforms.RandomHorizontalFlip(),
                transforms.ToTensor(),
                transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ]
        )
        self.initmodel()
    def initmodel(self):
        model_ft = models.vgg16_bn(pretrained=False)
        num_ftrs = model_ft.classifier[6].in_features
        model_ft.classifier[6] = nn.Linear(num_ftrs, 3)#修改原有模型结构
        #self.model = model_ft.load('pill3allkind.pth')
        tempnet = torch.load('pill3allkind.pth')#加载自己训练的模型参数
        model_ft.load_state_dict(tempnet)
        self.model = model_ft
    def testImage(self,x):
        print("testImage")
        a = x[:, 0:len(x[0] - 2):3]
        b = x[:, 1:len(x[0] - 2):3]
        c = x[:, 2:len(x[0] - 2):3]
        a = a[:, :, None]
        b = b[:, :, None]
        c = c[:, :, None]
        img = np.concatenate((a, b, c), axis=2)
        img = np.array(img,dtype='uint8')#修改数据type不然在transform时会有错误
        #img = np.transpose(m,(2,0,1))
        print(img.dtype)
        img = Image.fromarray(img)
        img = self.transform(img)
        print(img.shape)
        img = img.unsqueeze(0)
        label = self.model(img)
        print(label)
    def classlifyImage(self):
        self.initmodel()
        img = Image.open("content.jpg")
        im = np.asarray(img)
        print(im.shape)
        print(im.dtype)
        img = Image.fromarray(im)
        img = self.transform(img)
        img = torch.unsqueeze(img,0)
        label = self.model(img)
        print(label)
if __name__ == "__main__":
    net = Network()
    #net.classlifyImage()
    img = np.random.randint(0, 255, (319, 510, 3))
    net.testImage(img)

包含两个类，主要用于说明，C++调用python 函数与python类内函数

#C++ Main文件

C++ main.cpp
// ConsoleApplication1.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <stdlib.h>
#include <Python.h>
#include <arrayobject.h>   //路径在安装的python numpy包下
#include <stdio.h>
#include <iostream>
#include <string.h>
#include <opencv2\imgcodecs.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
Py_Initialize();
import_array();//如果要传送图片参数到python 脚本，务必加上该句，时numpy环境
// 将当前目录加入sys.path
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./')");
// 导入hello.py模块
PyObject *pmodule = PyImport_ImportModule("hello");
// 获得函数xprint对象，并调用，输出“hello world\n”
PyObject *pfunc = PyObject_GetAttrString(pmodule, "xprint");
PyObject_CallFunction(pfunc, NULL);
// 获得类Hello并生成实例pinstance，并调用print成员函数，输出“5 6\n”
PyObject *pclass = PyObject_GetAttrString(pmodule, "Hello");
PyObject *arg = Py_BuildValue("(i)", 5);
PyObject *pinstance = PyObject_Call(pclass, arg, NULL); //实例化一个Hello类
PyObject_CallMethod(pinstance, "print", "i", 6);
cv::Mat img = cv::imread("content.jpg", cv::IMREAD_COLOR);
int m, n;
n = img.cols * 3;
m = img.rows;
unsigned char *data = (unsigned  char*)malloc(sizeof(unsigned char)* m * n);
int p = 0;
for (int i = 0; i < m; i++)
{
for (int j = 0; j < n; j++)
{
data[p] = img.at<unsigned char>(i, j);
p++;
}
}
npy_intp Dims[2] = { m, n }; //给定维度信息
PyObject*PyArray = PyArray_SimpleNewFromData(2, Dims, NPY_UBYTE, data);
PyObject*ArgArray = PyTuple_New(1);
PyObject*ArgArray1 = PyTuple_New(0);
PyTuple_SetItem(ArgArray, 0, PyArray);
PyObject *pDict = PyModule_GetDict(pmodule);
PyObject *pclass1 = PyObject_GetAttrString(pmodule, "Network");
PyObject* pinstance1 = PyObject_Call(pclass1, ArgArray1,NULL);//实例化一个Network类，该类没有参数传入，但要传一个空TupleArray
PyObject* result =PyObject_CallMethod(pinstance1, "testImage","O",ArgArray );
PyObject *pDict = PyModule_GetDict(pmodule);
PyObject*ArgArray2 = PyTuple_New(1);
PyTuple_SetItem(ArgArray2, 0, PyArray);
PyObject*pFuncFive = PyDict_GetItemString(pDict, "imshow");
    PyObject_CallObject(pFuncFive, ArgArray);
PyObject* pReturn = PyObject_CallObject(pFuncFive, ArgArray);
int result;
PyArg_Parse(pReturn, "i", &result);
//可以将result强制转换为结构体
//“i” 改为“s”
Py_DECREF(ArgArray);
Py_DECREF(pmodule);
//std::cout << "sss" << result;
Py_Finalize();
system("pause");
return 0;
}

在上面代码中已经注释的比较清楚，上面代码注释已经比较清晰。

内容总结

以上是互联网集市为您收集整理的C++ 调用 python深度学习脚本 进行图像分类全部内容，希望文章能够帮你解决C++ 调用 python深度学习脚本 进行图像分类所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---