你不能用 TensorFlow 的 C++ API 导出 SavedModel 或冻结图；所有导出功能（如 tf.saved_model.save、freeze_graph）仅存在于 Python 层，C++ 仅支持加载和推理，必须先用 Python 导出模型文件再供 C++ 加载。
TensorFlow C++ 接口不支持导出推理图
直接回答：你不能用 TensorFlow 的 C++ API 导出 SavedModel 或冻结图（frozen graph）。tensorflow::SavedModelBundle、tensorflow::Session 等 C++ 类只负责加载和运行模型，没有 export_saved_model、freeze_graph 或等效的导出逻辑。所有导出能力（包括生成 saved_model.pb、frozen_inference_graph.pb）都封装在 Python 层的 tf.saved_model.save、tf.compat.v1.graph_util.convert_variables_to_constants 等函数中。
必须用 Python 生成图再供 C++ 加载
典型工作流是：先在 Python 中构建、训练或加载模型 → 调用 Python 导出接口 → 生成文件 → C++ 侧只读取并推理。常见组合有：
-
tf.saved_model.save(model, export_dir)：导出标准 SavedModel（含 variables/、assets/、saved_model.pb），C++ 用tensorflow::LoadSavedModel()加载 -
tf.compat.v1.graph_util.convert_variables_to_constants(sess, input_graph_def, output_node_names)：冻结变量为常量，输出单个.pb文件，C++ 用tensorflow::ReadBinaryProto()+tensorflow::Session::Create() - 使用
tf.lite.TFLiteConverter转成.tflite后，C++ 通过 TensorFlow Lite C API 加载（注意这不是原生 TF C++）
错误做法：试图在 C++ 里调用 Python 导出函数（比如用 pybind11 调 tf.saved_model.save）——不仅绕路，还引入 Python 解释器依赖，失去 C++ 部署轻量初衷。
冻结图时 output_node_names 容易填错
用 convert_variables_to_constants 时，output_node_names 必须是最终推理所需的节点名，不是 Tensor 名（即不含 :0 后缀）。常见错误：
- 填
["output:0"]→ 应填["output"] - 填 Keras 模型默认输出名如
"dense_1/BiasAdd"，但实际需查图：sess.graph.get_operations()或用netron打开.pb查末端 op name - 多输出模型漏写某个输出节点，导致冻结后图被截断
建议在 Python 中导出前先打印：[op.name for op in sess.graph.get_operations() if op.type == "Identity" or "Softmax" in op.name] 快速定位可能的输出 op。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
C++ 加载 SavedModel 时路径和 tag 必须匹配
tensorflow::LoadSavedModel() 第二个参数是 tags，必须与 Python 导出时一致。默认是 {"serve"}，但如果你用 tf.saved_model.save(..., signatures=...) 自定义了签名，则 C++ 侧也要传对应 tag（如 {"train"}）。路径则必须是 SavedModel 目录的**父路径**，不是 saved_model.pb 文件本身。
示例错误调用：
// ❌ 错：传入文件路径
auto status = tensorflow::LoadSavedModel(session_options, run_options, "/path/to/saved_model.pb", {"serve"}, &bundle);
// ✅ 对：传入目录路径
auto status = tensorflow::LoadSavedModel(session_options, run_options, "/path/to/export_dir", {"serve"}, &bundle);
另外，C++ 加载失败时 status.ToString() 常返回 "Not found: Could not find SavedModel .pb or .pbtxt at ..." ，这通常意味着路径错、目录结构不全（缺 variables/ 子目录）、或权限不足，而不是模型本身有问题。
真正麻烦的是跨版本兼容：Python 用 TF 2.12 导出的 SavedModel，C++ 链接的 libtensorflow.so 版本必须 ≥ 2.12；低版本加载高版本图会静默失败或报 "Op type not registered" —— 这类问题往往要靠 TF_VERSION 和构建时的 ABI 兼容性兜底，没法 runtime 修复。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
