1、安装protobuf,使用protoc把tensorflow模型中的proto文件转换为对应的.h和.cc，如下图所示：
解析用到的proto位置大概在tensorflow\core\framework和tensorflow\core\protobuf，当然这里面的proto比较多，只要把graph.proto包含的proto文件用到就可以了。
proto里面有syntax = "proto3"，这就意味着protobuf的版本需要在3.0以上。
2、搭建VS工程
主要信息获取可以通过以下代码获取：
// tensorflow_pb.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include <iostream> #include <fstream> #include "graph.pb.h" int main() { //char* pbname = "test.txt"; char* pbname = "test.pb"; std::fstream fp; fp.open(pbname,std::ios::in | std::ios::binary); if (!fp) { printf("file not found\n"); } tensorflow::GraphDef graph_def; bool suc = graph_def.ParseFromIstream(&fp); fp.close(); int size = graph_def.node_size(); //yes tensorflow::NodeDef node_info; node_info = graph_def.node(8); //对应于python:oplist = get_operation();node_info = oplist[8]; size = node_info.input_size(); //std::string input0_name = node_info.input(0); //std::string input1_name = node_info.input(1); google::protobuf::Map< std::string, tensorflow::AttrValue> attr_map; attr_map = node_info.attr(); //获取该结点的attr的map /*if (attr_map.contains("transpose_a")) { printf("yes"); } tensorflow::AttrValue attr_temp = attr_map["transpose_a"];*/ google::protobuf::Map< std::string, tensorflow::AttrValue>::iterator iter = attr_map.begin(); while (iter != attr_map.end()) { std::cout << iter->first << std::endl; //查看attrmap的key值 iter++; } if (attr_map.contains("value")) { printf("yes"); } tensorflow::AttrValue tensor_content = attr_map["value"]; suc = tensor_content.has_tensor(); tensorflow::TensorProto tensor_info = tensor_content.tensor(); std::string tmp = tensor_info.tensor_content(); float* data = (float*)tmp.data(); //如果该attr包含的tensor有值，需要将该值转换为float来用 tensorflow::TensorShapeProto tens_shape = tensor_info.tensor_shape(); size = tens_shape.dim_size(); tensorflow::TensorShapeProto_Dim tens_dim = tens_shape.dim(0); int64_t size_zz = tens_dim.size(); //获取该Tensor的维度信息，这里获取shape的第一维信息 return 0; }当然，在VS工程里需要将使用的protobuf里的src\google\protobuf这部分内容拉到工程里面，为了跑通程序，还需要将上述protobuf的名字包含test的文件去除，这些文件需要另外包含gmock等依赖；
3、最初打算分析tensorflow源码，但是后来感觉之前python的解析脚本用到的指令应该是tensorflow对上述代码的封装，就拿get_operation（tensor）_by_name为例，tensorflow内部会维护一个op结点（对应上述代码的node）及其name的字典；为了不依赖tensorflow，只好从protobuf解析来做了~
大致梳理一下：首先需要区分const节点和非const节点，然后将const节点中能计算的信息全部计算出来，便于后续直接获取；
然后根据数据流将所有节点进行排序；最后根据需求将可合并的节点进行合并，并解析；
