C++环境调用含TensorFlow的Python文件报错求助

你遇到的问题根源其实很清晰：当从C++嵌入Python环境时，默认不会初始化sys.argv，而TensorFlow在导入流程中会依赖这个属性，最终触发AttributeError。

错误原因拆解 #

从报错栈能看到，TensorFlow的flags.py在创建_argparse.ArgumentParser()时，会执行prog = _os.path.basename(_sys.argv[0])，但此时你的Python环境里sys.argv还未被设置——C++启动Python解释器时，不会自动帮你初始化这个变量，必须手动调用API完成。

具体解决方案 #

1. 恢复并正确初始化sys.argv

你之前在C++代码里注释掉了PySys_SetArgv(argc, argv);，这正是解决问题的关键。取消这行的注释，确保在Py_Initialize()之后、导入任何Python模块之前执行它：

修改后的核心C++代码：

#include <Python.h>
#include <iostream>
int main(int argc, wchar_t** argv) {
 const char* picpath ="/home/senius/Pictures/zys.jpg";
 Py_Initialize();
 // 关键步骤：初始化sys.argv，让Python环境能正确访问命令行参数相关属性
 PySys_SetArgv(argc, argv);
 if ( !Py_IsInitialized() ) {
 return -1;
 }
 PyRun_SimpleString("import sys");
 PyRun_SimpleString("sys.path.append('/home/senius/Python/Ctensor/')");
 // 后续原有逻辑保持不变
 PyObject* pMod = NULL;
 PyObject* pFunc = NULL;
 PyObject* pParm = NULL;
 PyObject* pRetVal = NULL;
 int iRetVal = -999;
 const char* modulName="classify"; 
 pMod = PyImport_ImportModule(modulName);
 if(!pMod) {
 std::cout<<"Import module failed!";
 PyErr_Print();
 return -1;
 }
 const char* funcName="evaluate"; 
 pFunc = PyObject_GetAttrString(pMod, funcName);
 if(!pFunc) {
 std::cout<<"Import function failed!";
 return -2;
 }
 pParm = PyTuple_New(1);
 PyTuple_SetItem(pParm, 0, Py_BuildValue("s",picpath));
 pRetVal = PyEval_CallObject(pFunc, pParm);
 PyArg_Parse(pRetVal, "i", &iRetVal);
 std::cout<<iRetVal;
 // 推荐：清理Python资源，避免内存泄漏
 Py_DECREF(pParm);
 Py_DECREF(pFunc);
 Py_DECREF(pMod);
 Py_DECREF(pRetVal);
 Py_Finalize();
 return iRetVal;
}

2. 简化Python代码

既然C++里已经初始化了sys.argv，你Python代码里的冗余判断可以直接删掉：

if not hasattr(sys, 'argv'):
 sys.argv = ['']

修改后的Python代码：

from PIL import Image
import numpy as np
import sys
import tensorflow as tf
def evaluate(pic):
 image = Image.open(pic)
 image = image.resize([256, 256])
 image_array = np.array(image)
 max_index = np.argmax([1, 2, 32])
 return max_index

3. 编译时的链接注意事项

编译C++代码时，要确保链接到正确的Python库（对应你的Anaconda Python 3.6环境），示例编译命令如下：

g++ your_code.cpp -o your_executable -I/home/senius/anaconda3/include/python3.6m -L/home/senius/anaconda3/lib -lpython3.6m

额外提示 #

• 确保程序运行时，Anaconda的环境变量能被正确读取，TensorFlow的库路径能被Python找到；
• 记得在程序结束时调用Py_Finalize()，清理Python解释器的资源。

内容的提问来源于stack exchange，提问作者Zhao Yongsen