libtorch在windows使用（c++项目中部署.pt）

狗头

pytorch官网教程：Loading a TorchScript Model in C++ — PyTorch Tutorials 1.13.1+cu117 documentation

首先我已经有了个model.pt，就不需要做前面序列化为文件之类的操作，直接从在C++中加载开始

最后成功的版本：

example-app.cpp 内容：

#include <torch/script.h>
#include <torch/cuda.h>
int main(int argc, char* argv[]) {
    torch::jit::script::Module module;

    // auto  device = torch::Device(c10::DeviceType::CUDA, 0);
    //auto device = torch::kCUDA;

    try {
        std::cout << "before loading" << std::endl;
        module = torch::jit::load("D:\\project\\example-app\\model_withoutgpu.pt");
        // module.to(device);
        std::cout << "after loading" << std::endl;
    }
    catch (const c10::Error& e) {
        std::cerr << "error loading the model\n";
        //return -1;
    }
    std::cout << "ok" << std::endl;
    std::vector<torch::jit::IValue> inputs;
    inputs.push_back(torch::rand({ 1, 6 }));

    // Execute the model and turn its output into a tensor.
    at::Tensor output = module.forward(inputs).toTensor();
    std::cout << output << std::endl;

    // std::cout << "cuda是否可用：" << torch::cuda::is_available() << std::endl;
    // std::cout << "cudnn是否可用：" << torch::cuda::cudnn_is_available() << std::endl;
    std::cout << "ok" << std::endl;
    while(1);
}

CMakeLists.txt 内容：

find_package(PythonInterp REQUIRED)

cmake_minimum_required(VERSION 3.0 FATAL_ERROR)
project(custom_ops)
cmake_policy(SET CMP0054 NEW)
find_package(Torch REQUIRED)

add_executable(example-app example-app.cpp)
target_link_libraries(example-app "${TORCH_LIBRARIES}")
set_property(TARGET example-app PROPERTY CXX_STANDARD 14)

cmd中，cmake指令：

进入example-app\build_debug路径下

cmake -DCMAKE_PREFIX_PATH=D:\libtorch -DCMAKE_BUILD_TYPE=Release -G "Visual Studio 17 2022" ..

这一步结束后

cmake --build . --config Debug

其中 -DCMAKE_PREFIX_PATH=D:\libtorch根据自己路径修改，"Visual Studio 17 2022"根据自己visualstudio版本修改，--config Debug根据debug还是release修改，也可以进入项目中编译。

遇到的问题和几点：

1. dll放入exe所在文件夹

2. 最重要的libtorch和pytorch版本对应，这个版本对应网上说法众说纷纭，就说我最后成功的。对应cuda11.7的libtorch1.13.1版本，是cpu版本还是cuda版本也要看清楚。训练环境在anaconda下，pytorch也是cuda版本1.13.1，cuda是11.7。但我训练时并没有使用gpu，最后加载成功。我尝试如果训练时使用gpu生成的.pt就会加载失败，在python在加载没有问题，但是使用时会报RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu! 的问题，但探索源码确实训练时只使用了cuda。如果有人能解答我很感激。

已经解决一半，当需要加载使用GPU训练生成的pt时，我使用CPU加载训练生成的pt成功

auto device = torch::Device(c10::DeviceType::CPU, 0);
module = torch::jit::load("D:\\xx.pt", device);

对应的python语句

policy = torch.jit.load('xx.pt',map_location = 'cpu')

3. torch.jit.load不能加载用torch.save保存的模型，必须对应。

4. 在windows下libtorch的release版本和Debug版本是不同的，混用就会失败，在编译时要使用对用的libtorch。release就是发布版本，有问题不会报错直接退出了，调试不便，所以改用debug。但是release的执行速度远远快于debug版本，因此可以等没问题了换回。和名字对应了。

5. cmake时warning： Policy CMP0054 is not set: Only interpret if() arguments as variables or keywords when unquoted.

在CMakeLists.txt中加入cmake_policy(SET CMP0054 NEW)解决

cmake配置libtorch报错Failed to compute shorthash for libnvrtc.so，在CMakeLists.txt中加入find_package(PythonInterp REQUIRED)解决，必须放在开头

6. 还有一个思路就是c++这边的问题比较难判断是哪一块，可以在python中尝试相同接口加载.pt看会不会出现错误。因为c++这出错不是报c10::error就是abort() has been calles. 根本无从下手啊。还有当考虑输入维度出现问题的话，都可以在python中用相同接口来验证。

import torch
policy = torch.jit.load('model_withoutgpu.pt')

output = policy.forward(torch.rand(1,6))
print(output)

actions = policy(torch.rand(1, 6))
print(actions)
print(actions.shape)

7. 同时每次都需要出去点exe感觉也很麻烦，我更想用本地Windows调试器。这时会报:

无法启动项目，\ALL_BULID拒绝访问。

解决方法：把cmake自动生成的另外两个项目ALL_BUILD和ZERO_CHECK右键移除即可

我在成功后尝试将这段代码嵌入自己的项目中，在visualstudio中配置即可，不用写cmake也可以，很愉快。还是注意看清release还是debug。

1. 添加工程的头文件目录：项目-xxx属性-配置属性-c/c++-常规-附加包含目录：

2. 添加文件引用的lib静态库路径：项目-xxx属性-配置属性-链接器-常规-附加库目录：

3. 然后添加工程引用的lib文件名：项目-xxx属性-配置属性-链接器-输入-附加依赖项：

libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\lib下所有.lib

4. 把libtorch\lib下所有dll放到exe所在的文件夹下。

运行成功