VisualC++ TensorFlow C API封装出现LNK2019链接错误求助

你遇到的这个LNK2019错误是C++模板编程里的经典坑——模板的实现代码没有被编译器实例化，导致链接器找不到对应的函数定义。我来给你拆解原因和解决方案：

问题根源 #

C++模板是编译时实例化的：编译器只有在看到具体的模板参数（比如你代码里的float,2或float,3）时，才会生成对应的函数/类的二进制代码。

你把TensorView和View()模板的实现放在了.cpp文件里，而调用这些模板的代码（TensorflowInference::detect）在另一个编译单元里。编译器编译TensorflowInference.cpp时，看不到.cpp里的模板实现，就不会生成你需要的TensorView<float,2>、TensorView<float,3>这些实例的代码，链接器自然就找不到这些符号了。

两种解决方案 #

方案一：把模板实现移到头文件里（最推荐，适合新手） #

这是C++模板最常用的写法，把模板的实现直接放在头文件中，让所有调用模板的编译单元都能看到实现代码，编译器就能自动生成需要的实例。

修改你的TensorflowTensor.h，把TensorflowTensor.cpp里的所有模板实现代码，移到类定义的后面：

namespace tf {
class TensorflowTensor : public TensorflowCWrapper<TF_Tensor> {
public:
    TensorflowTensor(const cv::Mat& input_image);
    TensorflowTensor(TF_Tensor* tensor);
    // 用于便捷访问张量数据的内部类
    template<typename DType, size_t D>
    class TensorView {
    public:
        TensorView(TensorflowTensor& tensor);
        const DType& operator()(std::array<size_t, D> n) const;
        DType& operator()(std::array<size_t, D> n);
        size_t NumElements() const;
    private:
        DType* data_;
        std::array<size_t, D> dims_;
        size_t num_el_;
        // 补充ComputeOffset的实现（你原来的代码里应该有这个函数，否则编译会报错）
        size_t ComputeOffset(const std::array<size_t, D>& n) const {
            size_t offset = 0;
            size_t stride = 1;
            for (int i = static_cast<int>(D)-1; i >= 0; --i) {
                offset += n[i] * stride;
                stride *= dims_[i];
            }
            return offset;
        }
    };
    template<typename DType, size_t D>
    TensorView<DType, D> View();
};

// ---------- 在这里添加模板的实现代码 ----------
template<typename DType, size_t D>
TensorflowTensor::TensorView<DType, D>::TensorView(TensorflowTensor& tensor) {
    if (tensor.NumDims() != D) {
        throw std::runtime_error("Number of dimensions do not match!");
    }
    num_el_ = 1;
    for (size_t i = 0; i < D; ++i) {
        dims_[i] = tensor.Dim(i);
        num_el_ *= dims_[i];
    }
    if (tensor.NumBytes() != (num_el_ * sizeof(DType))) {
        throw std::runtime_error("Wrong TensorView!");
    }
    data_ = static_cast<DType*>(tensor.Bytes());
}

template<typename DType, size_t D>
const DType& TensorflowTensor::TensorView<DType, D>::operator()(std::array<size_t, D> n) const {
    return data_[ComputeOffset(n)];
}

template<typename DType, size_t D>
DType& TensorflowTensor::TensorView<DType, D>::operator()(std::array<size_t, D> n) {
    return data_[ComputeOffset(n)];
}

template<typename DType, size_t D>
size_t TensorflowTensor::TensorView<DType, D>::NumElements() const {
    return num_el_;
}

template<typename DType, size_t D>
TensorflowTensor::TensorView<DType, D> TensorflowTensor::View() {
    return TensorView<DType, D>(*this);
}

} // namespace tf

方案二：显式实例化模板（适合不想暴露实现细节的场景） #

如果你不想把模板实现放在头文件里，可以在TensorflowTensor.cpp的末尾，显式告诉编译器生成你需要的模板实例：

namespace tf {
// 原来的模板实现代码...

// ---------- 显式实例化你用到的模板版本 ----------
template class TensorflowTensor::TensorView<float, 2>;
template class TensorflowTensor::TensorView<float, 3>;
template TensorflowTensor::TensorView<float, 2> TensorflowTensor::View<float, 2>();
template TensorflowTensor::TensorView<float, 3> TensorflowTensor::View<float, 3>();
}

这样编译器会在这个编译单元里生成这些实例的二进制代码，链接器就能找到对应的符号了。但缺点是如果以后需要用到其他模板参数（比如double,4），必须手动添加新的显式实例化代码。

额外提醒 #

注意你的代码里用到了ComputeOffset函数，我在方案一的代码里补充了它的实现——如果原来的代码里已经有这个函数的定义，记得调整位置，确保它能被operator()访问到。

内容的提问来源于stack exchange，提问作者ITiger