介绍

本文首先介绍如何在Windows环境下对Libtorch环境进行配置，经过配置之后可以在C++程序中实现Pytorch的功能。

环境

Windows10平台

显卡RTX2080super

与20系显卡对应版本的CUDA和CUDNN

visual studio 2017 及以上

opencv 4.5.0

libtorch 1.7

注意，libtorch版本不能低于pytorch版本，visual studio 2015及之前的版本在配置libtorch时会报缺少符号错误，原因是微软的VC140无法编译libtorch。

Visual Studio 

选择2017及以上版本，2015以下版本不支持libtorch。安装教程请参考VS2017安装教程。安装时，在VS安装器的工作负载选择页面勾选“使用C++的桌面开发”选项。

OpenCV

无特殊版本要求，尽量选择OpenCV 4以上的稳定版本。安装时尽量把路径设置为英文路径。将OpenCV中的\build\x64\vc14\bin文件夹配置到环境变量中.

Libtorch

Libtorch版本一般不低于模型训练环境，请按CUDA版本选择相应的Libtorch release版本，下载页面见Libtorch官网。

下载解压后得到如下文件

将libtorch中的bin文件夹配置到环境变量中。

配置项目属性

在VS2017中新建一个空项目，配置release x64的属性页。

1、添加include

libtorch\include\torch\csrc\api\include

libtorch\include

opencv\build\include

到C/C++->General->Additional Include Directories

2、添加lib

libtorch\lib

opencv\build\x64\vc14\lib

到Linker->General->Additional library Directories

3、添加依赖库的文件名：Linker->input->Additional Dependencies

opencv_world450.lib
asmjit.lib
c10.lib
c10d.lib
c10_cuda.lib
caffe2_detectron_ops_gpu.lib
caffe2_module_test_dynamic.lib
caffe2_nvrtc.lib
clog.lib
cpuinfo.lib
dnnl.lib
fbgemm.lib
gloo.lib
gloo_cuda.lib
libprotobuf-lite.lib
libprotobuf.lib
libprotoc.lib
mkldnn.lib
torch.lib
torch_cpu.lib
torch_cuda.lib

验证配置结果

CPP代码如下

#include <iostream>
#include <torch/torch.h>
 
int main()
{
    
    torch::Tensor tensor = torch::rand({ 5,3 });
    std::cout << tensor << std::endl;
 
    return EXIT_SUCCESS;
}

配置无误的话，该函数会输出一个5行3列的张量，包含一组[0, 1)的随机数。