TensorFlow 1.13.1在VS2015编译报错及模型节点获取咨询

首先，你遇到的这些未解析外部符号问题，根源是没有正确链接Google Protobuf的库文件——TensorFlow依赖Protobuf来序列化/反序列化GraphDef，VS2015在链接阶段找不到对应的Protobuf实现。下面一步步解决：

一、修复编译链接错误 #

1. 关联正确的依赖库 #

打开VS2015项目属性，依次进入链接器 -> 输入 -> 附加依赖项，添加以下内容：

• TensorFlow官方提供的tensorflow.lib（如果是Debug版本，对应tensorflowd.lib，务必和项目的Debug/Release配置匹配）
• 对应版本的Protobuf库（TensorFlow 1.13.1适配的是Protobuf 3.6.1，必须用TensorFlow编译时配套的Protobuf库，不要用单独安装的其他版本）

2. 配置包含目录和库目录 #

• 在VC++目录 -> 包含目录中添加：
  • TensorFlow的include文件夹路径
  • Protobuf的include文件夹路径（如果是TensorFlow自带的，路径一般是tensorflow/include/google/protobuf的上级目录）
• 在VC++目录 -> 库目录中添加：
  • TensorFlow的lib文件夹路径
  • Protobuf的lib文件夹路径

3. 匹配Runtime Library配置 #

VS2015中，项目的C/C++ -> 代码生成 -> Runtime Library要和TensorFlow、Protobuf编译时的配置一致：

• 预编译的TensorFlow库一般用/MD（多线程DLL）或/MDd（Debug多线程DLL），不要改成/MT或/MTd，否则会出现链接不兼容问题

二、正确获取模型输入输出节点信息 #

原来的PrintDebugString()依赖Protobuf的日志组件，容易触发链接问题，换用直接访问节点成员的方式更可靠，还能精准筛选输入输出节点：

修改后的完整代码示例：

#include <tensorflow/core/framework/graph.pb.h>
#include <tensorflow/core/platform/env.h>
#include <iostream>
#include <string>
#include <map>

using namespace tensorflow;

int main(int argc, char* argv[]) {
    std::string modelPath = "your_model_path.pb"; // 替换为你的模型绝对路径
    GraphDef graph_def;
    Status status = ReadBinaryProto(Env::Default(), modelPath, &graph_def);
    
    if (!status.ok()) {
        std::cerr << "ReadBinaryProto Status：" << status.ToString() << std::endl;
        return -1;
    }
    std::cout << "Successfully loaded model." << std::endl;

    int node_count = graph_def.node_size();
    std::cout << "Total nodes in model: " << node_count << std::endl;

    for (int i = 0; i < node_count; ++i) {
        const auto& node = graph_def.node(i);
        std::cout << "\nNode Index: " << i << std::endl;
        std::cout << "Node Name: " << node.name() << std::endl;
        std::cout << "Node Op Type: " << node.op() << std::endl;

        // 打印该节点的所有输入
        std::cout << "Input Nodes: ";
        for (const std::string& input : node.input()) {
            std::cout << input << " ";
        }
        std::cout << std::endl;

        // 识别输入节点（通常Op为Placeholder）
        if (node.op() == "Placeholder") {
            std::cout << "⚠️ This is an INPUT node" << std::endl;
            // 提取输入形状信息
            if (node.attr().count("shape")) {
                const auto& shape = node.attr().at("shape").shape();
                std::cout << "Input Shape: ";
                for (int j = 0; j < shape.dim_size(); ++j) {
                    // -1表示动态维度，用?代替显示
                    std::cout << (shape.dim(j).size() == -1 ? "?" : std::to_string(shape.dim(j).size())) << " ";
                }
                std::cout << std::endl;
            }
        }

        // 识别输出节点（根据你的模型实际Op判断，比如Softmax、Identity等）
        // 这里以常见输出Op为例，你可以根据自己的模型调整
        if (node.op() == "Softmax" || node.op() == "Identity" || node.op() == "ArgMax") {
            std::cout << "⚠️ This is a potential OUTPUT node" << std::endl;
        }
        std::cout << "----------------------------------------" << std::endl;
    }

    return 0;
}

额外说明： #

• 如果你的模型是SavedModel格式，不能用ReadBinaryProto，需要改用LoadSavedModel接口加载，再从MetaGraphDef中提取节点信息
• 输出节点的判断条件需要根据你的模型结构调整，比如自定义模型的最后一层Op可能是其他类型

内容的提问来源于stack exchange，提问作者carlton