标签：xxx torch C++ libtorch Pytorch cuda path include
Visual Sudio 2019 + libtorch(Pytorch C++库) 环境配置
前言：
为了方便工程上对现有的深度学习算法进行运用部署，本文将在windows环境下进行深度学习框架libtorch（Pytorch的C++接口）配置。
一、个人环境
- Windows10 64位
- Visual Studio 2019
- Cuda 10.2
- libtorch1.10.0 GPU/CPU
- OpenCV 3.4.3
二、环境安装
-
Visual Studio 2019 的安装网上有大把教程，本文在此不再赘述。网上大多数教程为vs2017及以上才能安装Libtorch，但需要注意的是，若安装的Libtorch版本为V1.10.0及以上时，需要vs2019。
-
CMake安装
CMake官网下载地址：https://cmake.org/download/
安装的版本需要与操作系统相匹配，如windows 64位系统则可以选则 cmake-3.8.0-rc1-win64-x64.msi，进行下载安装，安装过程非常简单，此处忽略。
-
libtorch安装
libtorch官网下载地址：https://pytorch.org/
【注意】下载libtorch时需要选择Release还是Debug版本，并且libtorch的版本必须与Python输出的Pytorch训练模型xxx.pt相对应，否则无法进行推理。
下载解压之后文件格式如下：
-
Visual Studio 2019 配置libtorch
本人之前在VS2017中配置libtorch时，因为VS版本太低，对新的C++标准并不支持，所以报错较多，后续通过论坛博客交流之后发现，VS2019对libtorch比较支持，且一次便配置成功，故推荐。
根据项目需求以及个人需要来安装库，通常根据CPU和GPU来进行选择，而调试模式一般选择Release版本进行安装，这样可以减小代码编译错误以及提高代码运行效率。
- 打开属性管理器，右键你选择的编译模式，新建属性表，这里以LibtorchRelease进行命名，当然也可以自定义。
-
VC++ 包含目录、库目录
通用属性->VC++目录->包含目录、库目录
包含目录：
path: xxx\libtorch\include\torch\csrc\api\include
path: xxx\libtorch\include
path: xxx\opencv\build\include
path: xxx\opencv\build\include\opencv
path: xxx\opencv\build\include\opencv2
库目录：
path: xxx\libtorch\lib
path: xxx\opencv\build\x64\vc15\lib
将之前文件夹里的**libtorch**和**OpenCV**的头文件目录放在包含目录，库文件放在库目录下即可。
-
链接器配置
链接器->输入->附加依赖项
c10.lib
c10_cuda.lib
torch_cpu.lib
torch_cuda.lib
至此，配置完成。
-
测试
新建源文件
main.cpp，将如下代码
#include "torch/torch.h"
#include "torch/script.h"
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <string.h>
int main() {
cv::Mat img = cv::imread("C:\\Users\\admin\\Desktop\\1.png");
cv::imshow("show", img);
cv::waitKey(3000);
torch::Tensor tensor = torch::rand({ 2, 3 });
if (torch::cuda::is_available()) {
std::cout << "CUDA is available! Training on GPU" << std::endl;
auto tensor_cuda = tensor.cuda();
std::cout << tensor_cuda << std::endl;
}
else
{
std::cout << "CUDA is not available! Training on CPU" << std::endl;
std::cout << tensor << std::endl;
}
std::cin.get();
}
OpenCV调试与Libtorch调试结果如下时，调试成功！
### 二、BUG处理
1. 直接运行，输出： `“cuda::is_available(): 0”`，GPU未调用起来。
**解决方法**：
- 使用VS2017及以上版本；
- windows上装的cuda版本需要与下载的libtorch的cuda版本相对应；
- 在“属性 --> 链接器 --> 命令行 --> 其他选项”中添加
/INCLUDE:?warp_size@cuda@at@@YAHXZ
2. 关于VS2017编译时，出现不支持或者大量错误，可以使用更高级的VS（如VS2019）进行编译。
标签：xxx,torch,C++,libtorch,Pytorch,cuda,path,include 来源： https://www.cnblogs.com/indulge-code/p/15643933.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。