情况1.在写的函数中依赖了能够pip的库，例如numpy库、torch库,见下面的函数：

import numpy as np
import torch
def add1(a, b):
    # 确保a和b都是NumPy数组
    a_array = np.array(a) if not isinstance(a, np.ndarray) else a
    b_array = np.array(b) if not isinstance(b, np.ndarray) else b
    # 执行加法操作
    result = a_array + b_array
    return result  # 返回结果
def add2(a, b):
    # 确保a和b都是PyTorch的张量
    a_tensor = torch.tensor(a) if not torch.is_tensor(a) else a
    b_tensor = torch.tensor(b) if not torch.is_tensor(b) else b
    # 执行加法操作
    result = a_tensor + b_tensor
    return result  # 返回结果

Step1. 在VS2017中新建项目，并配置环境，参见我的另一篇博文环境配置

Step2. 直接将该函数文件即hello.py放进源.cpp相同的位置

Step3. 源.cpp中的代码如下，记得改为自己要调用的文件名和函数名

#include <Python.h>
#include<iostream>

using namespace std;

int main()
{
	//需要进行强制类型转换
	//否则报错“void Py_SetPythonHome(wchar_t *)”: 无法将参数 1 从“const wchar_t [44]”转换为“wchar_t *”	
	Py_SetPythonHome((wchar_t*)L"C:\\software\\Anaconda\\envs\\pytorch"); //Python.exe所在的位置，自己虚拟环境的文件夹下
	Py_Initialize();//使用python之前，要调用Py_Initialize();这个函数进行初始化
	if (!Py_IsInitialized())
	{
		printf("初始化失败！");
		return 0;
	}
	else {
		PyRun_SimpleString("import sys");
		PyRun_SimpleString("sys.path.append('./')");//这一步很重要，修改Python路径


		PyObject * pModule = NULL;//声明变量
		PyObject * pFunc = NULL;// 声明变量

		pModule = PyImport_ImportModule("hello");//这里是要调用的文件名hello.py
		if (pModule == NULL)
		{
			cout << "没找到该Python文件" << endl;
		}
		else {
			pFunc = PyObject_GetAttrString(pModule, "add1");//这里是要调用的函数名
			PyObject* args = Py_BuildValue("(ii)", 28, 103);//给python函数参数赋值

			PyObject* pRet = PyObject_CallObject(pFunc, args);//调用函数

			int res = 0;
			PyArg_Parse(pRet, "i", &res);//转换返回类型

			cout << "res:" << res << endl;//输出结果
		}
		Py_Finalize();//调用Py_Finalize，这个根Py_Initialize相对应的。
	}
	return 0;
}

Step4. 调试即可成功

情况2.在写的函数中依赖了自己写的另一个文件中的函数，见下面的函数：

自己在pre_func.py中写了一个Predict函数，依赖了另一个自己写的文件utils_fun.py中的函数

Step1. 在VS2017中新建项目，并配置环境，参见我的另一篇博文环境配置

Step2. 将这两个函数文件都放进源.cpp相同的位置，见下图

Step3. 源.cpp中仅需要给定predict函数需要的参数即可，给大家参考一下我的源.cpp中的代码内容，我的predict函数需要6个字符串参数（大家在用时仅需要改为自己的文件名称和函数名称并修改自己的参数即可，框架通用）

#include <Python.h>
#include<iostream>

using namespace std;

int main()
{
	//需要进行强制类型转换
	//否则报错“void Py_SetPythonHome(wchar_t *)”: 无法将参数 1 从“const wchar_t [44]”转换为“wchar_t *”	
	Py_SetPythonHome((wchar_t*)L"C:\\software\\Anaconda\\envs\\pytorch");
	Py_Initialize();//使用python之前，要调用Py_Initialize();这个函数进行初始化
	if (!Py_IsInitialized())
	{
		printf("初始化失败！");
		return 0;
	}
	else {
		PyRun_SimpleString("import sys");
		PyRun_SimpleString("sys.path.append('./')");//这一步很重要，修改Python路径


		PyObject * pModule = NULL;//声明变量
		PyObject * pFunc = NULL;// 声明变量

		pModule = PyImport_ImportModule("pre_func");//这里是要调用的文件名hello.py
		if (pModule == NULL)
		{
			cout << "没找到该Python文件" << endl;
		}
		else {
			pFunc = PyObject_GetAttrString(pModule, "predict");//这里是要调用的函数名
			
			// 转换C++字符串为Python可以接受的格式
			PyObject* model_path = PyUnicode_FromString("C:\\Users\\admin\\Desktop\\test\\best_model.pth");
			PyObject* train_input_dir = PyUnicode_FromString("C:\\Users\\admin\\Desktop\\data\\train\\input\\16_Electrode");
			PyObject* train_output_dir = PyUnicode_FromString("C:\\Users\\admin\\Desktop\\data\\train\\output\\Output_16");
			PyObject* pre_input_dir = PyUnicode_FromString("C:\\Users\\admin\\Desktop\\data\\predict");
			PyObject* destination_path = PyUnicode_FromString("C:\\Users\\admin\\Desktop\\test\\result");
			PyObject* is_cnn = PyUnicode_FromString("no");

			// 检查是否成功创建了Python字符串对象
			if (!model_path || !train_input_dir || !train_output_dir || !pre_input_dir || !destination_path || !is_cnn) {
				cout << "无法创建Python字符串对象" << endl;
				Py_XDECREF(model_path);
				Py_XDECREF(train_input_dir);
				Py_XDECREF(train_output_dir);
				Py_XDECREF(pre_input_dir);
				Py_XDECREF(destination_path);
				Py_XDECREF(is_cnn);
				Py_Finalize();
				return 1;
			}

			// 将所有参数放入一个元组中
			PyObject* pArgs = PyTuple_Pack(6,
				model_path, train_input_dir, train_output_dir, pre_input_dir, destination_path, is_cnn);

			// 调用Python函数
			PyObject* pValue = PyObject_CallObject(pFunc, pArgs);

			// 检查Python函数是否返回
			if (pValue != NULL) {
				// 处理返回值
				// 这里可以根据需要处理返回值，例如打印它
				printf("预测函数执行成功。\n");
				Py_DECREF(pValue);
			}
			else {
				// 打印错误信息并清理
				PyErr_Print();
				cout << "调用Python函数predict失败" << endl;
			}

			// 清理Python对象
			Py_XDECREF(pModule);
			Py_XDECREF(pFunc);
			Py_XDECREF(pArgs);
			Py_XDECREF(model_path);
			Py_XDECREF(train_input_dir);
			Py_XDECREF(train_output_dir);
			Py_XDECREF(pre_input_dir);
			Py_XDECREF(destination_path);
			Py_XDECREF(is_cnn);
		}
		Py_Finalize();//调用Py_Finalize，这个根Py_Initialize相对应的。
	}
	return 0;
}

Step4.调试即可成功

PS：在用torch.load()加载pth文件时，如果函数名改过，一定要重新生成一遍pth，否则c++会报错，错误为ModuleNotFoundError: No module named ‘xxxx’，xxxx为你之前的函数名